Qwen2.5

R1–Zero强化学习路线新发现及R1思路用于GUI Agent动作预测方案

作者

2025年4月1日，北京天气晴。文章介绍了R1进展中的两个工作，一是研究多种基础模型预训练特性的影响；二是将GRPO-RL强化用于Agent的UI动作预测，数据和奖励函数设计有趣。研究发现Qwen2.5模型在不使用模板的情况下有强大的推理能力，但模板会破坏数学解题能力。此外，文章还讨论了强化学习在图形用户界面（GUI）动作预测中的应用。

阿里国际站AI布局引多家外媒关注：AI搜索Accio企业用户超百万

作者

阿里国际站总裁张阔透露，Accio企业用户已超百万。接入Qwen2.5等先进推理模型后，让阿里国际站在AI外贸领域引发关注。海外买家在采购时信息类搜索量是商品类的10倍。目前Accio的用户规模超百万，且已有超过10万中小企业使用AI工具做外贸。张阔称AI能协助人完成外贸经营中的绝大部分环节，将提高转化率、客户互动和商品管理。

0.5B小模型逆袭！不到50元，「X-R1」让每个人都能复现Aha Moment

作者

X-R1 是一个低成本且易入门的强化学习训练框架，旨在降低 R1 的复现门槛。通过使用0.5B预训练模型，在4张3090/4090显卡上仅需2小时就实现了 ‘aha Moment’，展示了极小模型也能触发Aha Moment的现象。