推理大模型开卷新方向，阿里开源长文本深度思考模型QwenLong-L1，登上HuggingFace今日热门论文第二。
除测评分数外，论文中还详细展示了一个金融文档推理的案例。传统模型容易被无关细节误导，而QwenLong-L1通过回溯和验证机制过滤干扰信息，正确整合关键数据。
任务要求：根据文档回答问题“将优先票据的发行成本与第一年的利息支出合并计算，总资本成本是多少？”
首先出场的基础模型DeepSeek-R1-Distill-Qwen-14B被文档中“自2011年10月15日起每半年支付一次利息”误导，根据不相关的时间和财务信息，错误计算了第一年的利息支付。
它在对不相关文档进行过度分析的循环中自我怀疑，最终尽了最大生成限制（10000 tokens），却没有给出最终答案。
相比之下，虽然QwenLong-L1-14B最初也表现出类似的分心，但它很快进行了有效的自我反思。通过及时验证和回溯，成功过滤掉了不相关的细节，得出了正确答案。
Qwen团队通过对比实验发现，长文本推理的强化学习训练存在两个“硬伤”：
一是训练效率低，传统强化学习（RL）方法在长文本中容易陷入局部最优，奖励收敛慢，限制了策略优化时的探索行为。
二是优化过程不稳定，长文本任务的输出长度更高、输入长度分布不均匀，导致策略更新时的方差被放大，训练过程中参数更新不稳定（如KL散度坐过山车）。
为此团队提出QwenLong-L1训练框架，核心是通过渐进式上下文扩展让模型逐步适应长文本推理。训练过程分为两阶段：
在开始强化学习之前，先用高质量的演示数据进行监督微调，让模型先具备基本的长文本理解能力、推理链生成能力和答案提取能力。
团队从DeepSeek-R1蒸馏了5.3K个高质量的问题-文档-答案三元组，确保模型有个稳定的起点。实验结果显示，这个”热身”阶段对后续的强化学习训练至关重要。
从短文本逐步过渡到长文本。例如，先训练模型处理2万token的文本，稳定后再增加到6万token，最后到128K。每个阶段只关注对应长度的文本。
此外还引入了难度感知的回溯采样机制。在进入下一阶段时，会保留前一阶段中最难的样本（平均准确率为零的那些），确保模型不会”忘记”如何处理困难案例。
QwenLong-L1在强化学习训练中采用混合奖励函数，结合了基于规则的验证和LLM-as-a-Judge。
规则验证也就是直接检查答案是否与标准答案完全一致（如数学题计算结果是否正确），再用另一个模型判断答案的语义是否正确（应对答案表述不同但意思一致的情况），两者结合避免单一规则过于严格或宽松
实验结果很有启发性。长文本SFT确实能带来2.6分的提升，比短文本SFT的效果更好。但是，如果在长文本SFT的基础上再做RL，提升幅度只有0.3分；而在短文本SFT基础上做RL，却能提升3.2分。
对此团队提出一个观点：SFT提供了一种经济的性能提升方式，而RL则是达到最优性能必不可少的。
所有模型都展现出明显的推理行为，尤其是信息定位行为出现频率最高，这证明了它在处理上下文依赖推理时的重要性；强化学习训练过程中，这些行为会逐渐增强，并与性能提升高度相关，表明强化学习能有效调整输出空间，优先保留有助于得出准确解答的推理模式虽然SFT模型也能学会这些行为，但这些表面上的行为模仿并没有带来实质性能提升，这揭示了SFT更关注表面模式匹配，而非实质推理能力的培养。
像石村那样得到狻猊遗体，并且发现其原始符文，这种事情实在太罕见了，只有个别罕见的例子而已。
众人真不知道说什么好了，感觉牙疼、胃疼、肺疼，一个老人道：“别嚷了，你攻击虚神界通道，做出这么没谱、极品的事，没有被惩罚就不错了，给予你一块宝骨算是证明你成功了。”
05月24日,一些药贩子“高价收药”，诱导参保人参与药品买卖,2024医院院长总结大会讲线元,竞技宝官方测速网站,威尼斯人登陆首页。
同学们，再远大的理想，再光明的前程，都需要我们的生命安全和身心健康作为保证。“远离火灾，创造和谐社会”是我们共同的目标，让我们携起手来，更加关注消防，更加珍爱生命，实现共享平安！你们能做到吗？
事实上，它甚是瑰美，宛若最杰出的大师用毕生心血锻造成，两条虬龙交缠在一起，栩栩如生，为传世神作。
所以，无论何时何地，我们对火都要保持高度警惕，树立起消防安全的意识。那么预防火灾应该注意什么呢？首先要从日常生活中的小事做起：
二是切实提高村级民主管理水平。 为确保稳定和发展的大局，提高基层组织管理本村事务的能力和村民自治水平，下一步，我们要加大力气，切实提高村级民主管理水平。一要提高党支部的领导核心作用，村党支部是农村基层的战斗堡垒，在推进村级民主管理建设中，村党支部的领导核心作用不能弱化，对村级经济建设和社会发展中的重要问题必须召开支部会议进行讨论决定。同时，要带头按照民主管理制度规定，把需要由村委会讨论决定的事放心让他们去做，并做好指导工作。二要建立健全长效的工作管理机制。村级民主管理工作必须依靠相应的长效工作机制来保证，要把建立健全村务公开和民主管理制度作为提高村级民主管理水平、促进基层民主政治建设的治本之策，坚持以法律、法规和政策为依据，建立完善以村党支部为核心，村委会为主体，村民会议和村民(社员)代表会议为主要形式的民主决策制度，定期对村内重大事项进行商量;制订完善村民村规民约，对各村原有的各项规定进行一次清理，修改与国家法律、法规和政策相抵触的内容，经村民代表会议讨论之后生效;完善监督制度，各村(社)的村(社)务监督小组，要对村级财务收支情况进行监督、核查，并定期进行公布。三要推行村务提议制度。对关于村级经济发展和社会事业发展的重大提议，村委会要提交村支部，进行共同商量，坚决杜绝“一言堂”和“先斩后奏”现象，进一步密切村级干群关系，促进村民自治。IM电竞,IM电竞官网,IM电竞注册,电竞投注平台,电竞博彩,英雄联盟竞猜
