Qwen团队近日发布了一款名为QwQ 32B的开源推理模型，该模型基于Apache 2.0许可证，性能与DeepSeek R1相当，甚至优于许多更大的蒸馏模型。团队通过结合基于结果的奖励机制、形式化验证和测试用例检查，使模型在数学和代码任务上持续提升。此外，通过在RL训练的后期加入通用指令跟随数据，模型仍能很好地与人类偏好保持一致。这一创新为AI模型的优化和实际应用提供了新的思路。