O Tongyi Lab, da Alibaba, apresenta o algoritmo FIPO, que permite que modelos de aprendizagem por reforço lidem com raciocínios complexos. O algoritmo amplia a extensão do raciocínio para além de 10.000 tokens e alcançou um resultado significativo: um modelo de 32 bilhões de parâmetros com o FIPO, em uma configuração de aprendizagem por reforço pura, superou concorrentes como o o1-mini da OpenAI em algumas métricas.