您现在的位置是:探索 >>正文
阿里云通义开源首个多模态推理模型QVQ 视觉推理比肩OpenAI o1
探索875人已围观
简介12月25日,阿里云通义千问发布业界首个开源多模态推理模型QVQ-72B-Preview。QVQ展现出超预期的视觉理解和推理能力,在解决数学、物理、科学等领域的复杂推理问题上表现尤为突出。多项评测数据 ...
12月25日,阿里阿里云通义千问发布业界首个开源多模态推理模型QVQ-72B-Preview。云通义开源首QVQ展现出超预期的个多视觉理解和推理能力,在解决数学、模态模型物理、推理科学等领域的觉推肩复杂推理问题上表现尤为突出。多项评测数据显示,理比QVQ超越了此前的阿里视觉理解模型「开源王者」Qwen2-VL,整体表现与「满血版」OpenAI o1、云通义开源首Claude3.5 Sonnet等推理模型相当。个多目前,模态模型开发者可在魔搭社区和HuggingFace平台上直接体验。推理
人类的觉推肩推理能力植根于语言思维和视觉记忆中,正因此,理比利用视觉理解增强大模型推理能力,阿里成为AI技术的前沿探索之一。一个月前,通义发布AI推理模型QwQ-32B-Preview,即斩获SuperCLUE的AI推理模型榜单「全球开源冠军」;如今,通义团队在Qwen2-VL-72B开源模型基础上,研发出多模态推理模型QVQ-72B-Preview,可实现更仔细的逐步推理,视觉推理能力也显著进步,在解决复杂问题时表现惊艳。
在考察模型视觉理解及推理的MMMU评测中,QVQ取得了70.3分,水平已达大学级别;在聚焦数学的视觉推理测试MathVista中,QVQ得分超过OpenAI o1,印证了其强大的图形推理能力;在更具多样性和学科广度的MathVison评测中,QVQ表现超越Claude3.5及GPT4o,说明QVQ更擅长解决真实数学问题;在奥赛级别的OlympiadBench基准测试中,QVQ也展现了出色的视觉推理能力。
QVQ是一个会基于视觉进行深度思考推理的大模型。QVQ不但能感知更准确的视觉内容,并据此作出更细致的分析推理,还会质疑自身假设,仔细审视其推理过程的每一步,经过深思熟虑后给出最后结论。QVQ可以轻松识别“梗图”内涵;看真实照片可合理推断出物体个数及高度等信息;在面对数学、物理、化学等各科学领域难题,QVQ能像人甚至科学家一样,给出思考过程和准确答案。
目前,QVQ-72B-Preview已在魔搭社区和HuggingFace等平台上开源,开发者可上手体验。据了解,一个月前开源的推理模型QwQ受到全球开发者热捧,一发布就登上HuggingFace模型趋势榜榜首。截至目前,通义千问Qwen的衍生模型数突破7.8万个,已超越Llama成为全球规模最大的AI模型群。
Tags:
相关文章
《燕云十六声》公测版剧情改动:为了提升游戏沉浸感
探索之前《燕云十六声》官方宣布,截至12月3日上午10点,游戏全平台预约人数突破3500万,公测将于12月27日到来。近日官方又解释了公测版剧情改动,是为了提升游戏沉浸感。《燕云十六声》官方表示:“剧情是 ...
【探索】
阅读更多足球报:虽然足协放弃豪赌世界杯但低调出征的国足心中应有目标
探索9月2日讯据《足球报》报道,这次中国足协并没有给国足下达硬性指标任务,但既然踏上了18强赛,国足队员也应心中当有目标。9月2日上午,中国国家队一行将飞赴日本,备战9月5日客场和日本队的2026世界杯亚 ...
【探索】
阅读更多差个60利物浦近4个赛季已4次3球以上大胜曼联,最大比分70
探索利物浦近4个赛季4次3球以上大胜曼联:21-22赛季 曼联0-5利物浦21-22赛季 利物浦4-0曼联22-23赛季 利物浦7-0曼联24-25赛季 曼联0-3利物浦 ...
【探索】
阅读更多