钛媒体 App 4 月 7 日消息，阿里通义实验室智能计算团队宣布推出新算法 FIPO（Future-KL Influenced Policy Optimization），引入 Future-KL 机制，奖励关键 Token，解决纯强化学习（Pure RL）训练中 " 推理长度停滞 " 难题。据该团队介绍，在 32B 规模的纯 RL 设定下，率先实现对 o1-mini 与同规模 DeepSeek-Zero-MATH 的性能反超。（广角观察）