Le Tongyi Lab d'Alibaba présente l'algorithme FIPO, qui permet aux modèles d'apprentissage par renforcement de gérer des raisonnements complexes. Cet algorithme étend la longueur de raisonnement au-delà de 10 000 tokens et a permis d'obtenir un résultat marquant : un modèle de 32 milliards de paramètres utilisant FIPO, dans un cadre d'apprentissage par renforcement pur, a surpassé certains concurrents, dont le modèle o1-mini d'OpenAI, sur certains indicateurs.