Das Tongyi Lab von Alibaba stellt den FIPO-Algorithmus vor, der es Modellen des verstärkenden Lernens ermöglicht, komplexe Schlussfolgerungen zu verarbeiten. Der Algorithmus erweitert die Länge der Schlussfolgerungskette auf über 10.000 Token und erzielte ein bedeutendes Ergebnis: Ein Modell im 32-Milliarden-Token-Maßstab mit FIPO übertraf in einer reinen RL-Konfiguration bei einigen Metriken Konkurrenten wie OpenAI’s o1-mini.