# 強化学習訓練

QwenLong-L1-32Bは、長コンテキスト推論用に特別に設計された大規模言語モデルで、強化学習による訓練を通じて、複数の長コンテキスト質問応答ベンチマークテストで優れた性能を発揮し、複雑な推論タスクを効果的に処理できます。

小米が開発した7Bパラメータ規模の推論専用言語モデルシリーズ。事前学習と事後学習の戦略を最適化することで、数学とコードの推論能力を大幅に向上させました。

DeepSeek-R1は第一代の推論モデルで、数学、コード、推論タスクで優れた性能を発揮し、その性能はOpenAI-o1に匹敵します。