アリババグループが開発した「QwenLong-L1」モデルは、短い文章で複雑な文書を一般化することができます。
このモデルは、リーガルテックや財務諸表などの比較的短い文章を扱う金融モデルといった複雑なタスクにおいて、強化学習（RL）の微調整を用いた学習により、人間の低思考レベルに匹敵するパフォーマンスと、推論能力の向上を達成しました。
また、OpenAIのGemini 2.0 Flash ThinkingやQweNLONG-1-14Bモデルをも上回りました。
特に注目すべきは、Googleが推論の途中で誤りを修正した際に、このモデルが自己反省能力を示したことです。
コメント