El Tongyi Lab de Alibaba presenta el algoritmo FIPO, que permite a los modelos de aprendizaje por refuerzo gestionar razonamientos complejos. El algoritmo amplía la longitud del razonamiento más allá de los 10 000 tokens y ha logrado un resultado clave: un modelo a escala de 32 000 millones de parámetros con FIPO, en una configuración de aprendizaje por refuerzo puro, superó a competidores como el o1-mini de OpenAI en algunas métricas.