据报道，阿里通义实验室的 Qwen Pilot 团队推出了一项名为 FIPO 的全新算法。该算法旨在打破传统强化学习（RL）在处理复杂逻辑时的瓶颈，让模型在推理长度和准确率上实现双重飞跃。

传统模型在面对数学等复杂问题时，往往难以区分哪些 Token 是通往正确答案的关键。FIPO 算法对此进行了针对性重构：

Future-KL 机制： 引入 Future-KL 策略，专门奖励那些对后续推理有显著积极影响的 Token，让 AI 学会“深谋远虑”。

符号对数概率差： 引入这一新机制来精准捕捉模型的优化方向，避免推理过程陷入无效的循环。

推理长度跨越： 在零基础模型上，FIPO 成功将平均推理长度提升至 10，000 Token 以上，彻底解决了推理深度不足的问题。

在实测对比中，搭载 FIPO 算法的 32B 规模模型展现出了惊人的“小钢炮”属性：

反超竞品： 在纯强化学习设置下，其推理性能成功反超同规模模型，甚至在部分指标上优于OpenAI 的 o1-mini。

数学潜力： 算法在处理高难度数学推理题目时表现尤为出色，展现了极强的逻辑推导潜力。

阿里通义实验室近期在 AI 底层算法上动作频频。除了本次惊艳的 FIPO 算法，团队在 3 月底刚推出了CoPaw 1.0 新版本，显示出其在提升模型逻辑严密性与交互深度方面的持续深耕。

结语：推理效率的“第二曲线”

当行业还在争论参数规模时，阿里通义通过 FIPO 算法证明了：通过更精细的奖励机制和逻辑诱导，较小规模的模型同样能迸发出顶级的“思考力”。