我使用强化学习训练了Qwen3.6-35B-A3B，用于强化学习训练小型任务专用Qwen模型。完全开源！🤓
摘要
作者使用强化学习训练了Qwen3.6-35B-A3B模型，然后用于强化学习训练小型任务专用Qwen模型，并且完全开源了所有内容。
暂无内容
相似文章
Qwen 3.7 Max
Qwen 3.7 是一款来自中国实验室的新AI模型，令人印象深刻，讨论焦点在于其权重是否可供下载。
Qwen永远不会开源Qwen 3.7了，对吧？
在解雇Junyang Lin之后，Qwen锁定了其大型模型，不再发布开源模型，而其他中国AI实验室继续开源最新模型。传闻小模型团队已解散，Qwen 3.6/3.7可能是最后一代开源模型。
我用强化学习训练Qwen3.5自我越狱，然后利用失败案例改进防御
作者使用强化学习训练Qwen3.5自我越狱，通过多样性奖励暴露多种攻击策略，随后将防御方的鲁棒性从64%提升至92%，同时良性准确率略有下降。
Qwen-Image-2.0-RL 技术报告
本技术报告介绍了 Qwen-Image-2.0-RL，这是一个基于强化学习与人类反馈及在策略蒸馏的后训练流程，旨在提升图像生成与编辑任务中的视觉质量和指令遵循能力。
Qwen/Qwen3.6-35B-A3B
Qwen 发布 Qwen3.6-35B-A3B，一款开源权重的混合专家（MoE）模型，总参数量 35B，激活参数量 3B，在智能体编码和推理能力保持方面实现显著提升。