待验证50% 置信事实精确时间

Qwen3.5实现了训推分离的强化学习框架，能支持数万亿Token的回放系统

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/8/29

首次发现

有效期至：2026/11/27

来源

Qwen3.5技术解析：5%激活参数如何超越千亿级SOTA模型

涉及实体

相关事实

待验证Qwen3.7 Max的训练采用了环境驱动的工具训练方法，是强化学习在大模型训练中的一种具体应用形式75% 相似待验证Qwen 2.5系列训练数据超过18万亿Token，采用Transformer解码器架构并引入分组查询注意力（GQA）机制73% 相似待验证Qwen2采用Yarn外推与双块注意力（DCA）组合方案提升长序列能力，后训练采用离线DPO加在线DPO的组合65% 相似待验证Ornith 是在千问 3.5（Qwen 3.5）基础上进行深度定向强化训练的产物63% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/821110

API

curl https://kongchang.com/api/v1/knowledge/claims/821110

MCP

get_claim(id=821110)