Los investigadores de Qwen proponen Qwenlong-L1: un marco de aprendizaje de refuerzo para el razonamiento de contexto largo en modelos de idiomas grandes
Si bien los grandes modelos de razonamiento (LRM) han mostrado capacidades impresionantes en el razonamiento de contexto corto a través del aprendizaje de refuerzo (RL), estas ganancias no se generalizan…