LRMs 在通过强化学习（RL）提升了推理能力，但，扩展到长文本场景（如 120K tokens）仍然是一个未解决的挑战，为此，阿里提出并开源了QwenLong-L1框架，首个通过强化学习训练用于长文本情境推理的长文本情境大型推理模型（LRM）。

QwenLong-L1-32B优于OpenAI-o3-mini和Qwen3-235B-A22B等旗舰LRMs，其性能与Claude-3.7-Sonnet-Thinking相当，展现出在最先进的LRMs中领先的性能。

QwenLong-L1是一个新颖的强化学习 (RL) 框架，旨在促进 LRM 从短上下文熟练度向稳健的长上下文泛化能力的转变。在初步实验中，展示了短上下文和长上下文推理 RL 训练动态之间的差异。

• QWENLONG-L1 框架：该框架通过逐步扩展上下文（progressive context scaling）的方式，将短文本情境的 LRMs 适应到长文本情境。它包含三个核心组件：

• 1. 预热阶段的有监督微调（Supervised Fine-Tuning, SFT）：通过高质量的标注数据对模型进行初始化，以建立稳健的初始策略。
  2. 基于课程的分阶段强化学习（Curriculum-Guided Phased RL）：通过逐步增加输入长度的方式，稳定地从短文本到长文本进行适应。
  3. 基于难度感知的回顾性采样策略（Difficulty-Aware Retrospective Sampling）：通过优先采样复杂实例来激励策略探索。

• RL 算法：文章采用了 GRPO（Group Relative Policy Optimization） 和 DAPO（Decoupled Clip and Dynamic Sampling Policy Optimization） 两种算法，以提高训练的稳定性和效率。

• 混合奖励机制（Hybrid Reward Mechanisms）：结合基于规则的验证（rule-based verification）和基于 LLM 的判断（LLM-as-a-judge），平衡了精确性和召回率。

QwenLong-L1-32B是第一个使用强化学习训练的用于长上下文推理的长上下文 LRM。在七个长上下文 DocQA 基准上的实验表明，QwenLong-L1-32B 的表现优于 OpenAI-o3-mini 和 Qwen3-235B-A22B 等旗舰 LRM，达到了与 Claude-3.7-Sonnet-Thinking 相当的性能，在最先进的 LRM 中表现出色。

https://www.arxiv.org/pdf/2505.17667
QWENLONG-L1: Towards Long-Context Large Reasoning Models with Reinforcement Learning
https://huggingface.co/Tongyi-Zhiwen/QwenLong-L1-32B

---

如何系统学习掌握AI大模型？

AI大模型作为人工智能领域的重要技术突破，正成为推动各行各业创新和转型的关键力量。抓住AI大模型的风口，掌握AI大模型的知识和技能将变得越来越重要。

学习AI大模型是一个系统的过程，需要从基础开始，逐步深入到更高级的技术。

这里给大家精心整理了一份全面的AI大模型学习资源，包括：AI大模型全套学习路线图（从入门到实战）、精品AI大模型学习书籍手册、视频教程、实战学习、面试题等，资料免费分享！

1. 成长路线图&学习规划

要学习一门新的技术，作为新手一定要先学习成长路线图，方向不对，努力白费。

这里，我们为新手和想要进一步提升的专业人士准备了一份详细的学习成长路线图和规划。可以说是最科学最系统的学习成长路线。

2. 大模型经典PDF书籍

书籍和学习文档资料是学习大模型过程中必不可少的，我们精选了一系列深入探讨大模型技术的书籍和学习文档，它们由领域内的顶尖专家撰写，内容全面、深入、详尽，为你学习大模型提供坚实的理论基础。（书籍含电子版PDF）

3. 大模型视频教程

对于很多自学或者没有基础的同学来说，书籍这些纯文字类的学习教材会觉得比较晦涩难以理解，因此，我们提供了丰富的大模型视频教程，以动态、形象的方式展示技术概念，帮助你更快、更轻松地掌握核心知识。

4. 2024行业报告

行业分析主要包括对不同行业的现状、趋势、问题、机会等进行系统地调研和评估，以了解哪些行业更适合引入大模型的技术和应用，以及在哪些方面可以发挥大模型的优势。

5. 大模型项目实战

学以致用 ，当你的理论知识积累到一定程度，就需要通过项目实战，在实际操作中检验和巩固你所学到的知识，同时为你找工作和职业发展打下坚实的基础。

6. 大模型面试题

面试不仅是技术的较量，更需要充分的准备。

在你已经掌握了大模型技术之后，就需要开始准备面试，我们将提供精心整理的大模型面试题库，涵盖当前面试中可能遇到的各种技术问题，让你在面试中游刃有余。

全套的AI大模型学习资源已经整理打包，有需要的小伙伴可以微信扫描下方CSDN官方认证二维码，免费领取【保证100%免费】