# 阿里通义推出全新强化学习框架EAPO

- 分类: 快讯
- 发布时间: 2026-04-28T11:52:00.000Z
- 原始资料日期: 2026-04-28
- HTML: https://www.88z.ai/news/flash-20260428-12a882eb42ad1b87
- Markdown: https://www.88z.ai/news/flash-20260428-12a882eb42ad1b87.md
- 另一语言: https://www.88z.ai/en/news/flash-20260428-12a882eb42ad1b87.md

阿里通义实验室发布强化学习框架EAPO，通过证据奖励机制优化长文本推理，解决模型幻觉问题。基于Qwen3-30B的测试显示，其性能超越参数量更大的GPT-OSS和Claude-Sonnet-4等主流模型。

## 消息要点

- EAPO引入证据奖励机制，将监督下沉至证据提取过程以解决幻觉问题
- 基于Qwen3-30B的EAPO在长文本测试中性能反超120B参数的GPT-OSS等模型

## 要点

阿里通义实验室正式推出全新强化学习框架EAPO（Evidence-Augmented Policy Optimization）。该框架创新性地引入“证据奖励”机制，将监督信号从最终答案下沉至证据提取过程，旨在解决大模型在长文本推理中出现的“搜对却答错”幻觉难题。 在多项权威长文本基准测试中，基于Qwen3-30B模型的EAPO框架表现优异。数据显示，其性能不仅稳定，更实现了对参数量高达120B的GPT-OSS以及Claude-Sonnet-4等大型模型的反超，展现了小参数模型在特定优化框架下的强大潜力。

## 资料来源

- [通义实验室](https://mp.weixin.qq.com/s/FDCrB0D3B9BTDBC8TmX9CQ) (2026-04-28)

本文由 AI最前沿通过 AI 辅助整理公开资料。产品能力与开放范围按发布方说明转述，未将其视为本站实测或独家采访结论。