阿里通义实验室发布FIPO算法，32B模型推理性能反超o1-mini

今天，大模型后训练领域迎来了一项值得关注的技术进展。阿里通义实验室的智能计算团队正式发布了名为

玩过长文本推理或复杂逻辑任务的朋友都知道，传统强化学习在训练模型时，常常有点“抓不住重点”。面对一长串的思维链（CoT），模型很难判断哪个决策节点才是真正影响最终结果的关键。这就好比让一个学生解一道复杂数学题，如果只告诉他最终答案是对是错，而不去点评他解题步骤中的思路转折，他的进步就会非常缓慢。

FIPO算法正是为了解决这个问题而生。它的思路很巧妙：通过对未来关键Token施加差异化的奖励分配，来引导模型在生成思维链时更具“前瞻性”。换句话说，它教会模型在“思考”的过程中，不仅要看眼前这一步走得对不对，更要预估这一步对未来几步、乃至最终答案的影响。这种机制让模型的训练过程变得更加精细和高效。

效果如何？数据给出了有力的回答。在32B参数规模的纯强化学习设定下，搭载了FIPO算法的模型，其性能已经实现了对同规模标杆模型——包括DeepSeek-Zero-MATH和OpenAI的o1-mini——的超越。这个信号非常明确：在逻辑推理和数学计算这类高难度赛道上，国产大模型正在取得实质性的突破。

回过头看，当前大模型的竞争格局已经悄然生变。大家比拼的重点，正从预训练阶段的参数规模，快速转向推理端的深度对齐和能力涌现。FIPO算法的出现，其意义不仅在于提供了一个新的技术工具，更在于它为整个行业指出了一个方向：如何科学地评估和优化模型“思考过程”的质量，将是决定下一代模型高度的关键。

这或许也预示着，在追赶全球顶尖推理模型的漫长道路上，开源社区和国内的头部实验室，已经开始构建起自己独立且富有潜力的技术演进路径。接下来的发展，值得持续关注。