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

百科 2024-12-27 03:29:40 42

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

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

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。

本文地址:http://011ku.angougou.net/html/38b57099391.html
版权声明

本文仅代表作者观点,不代表本站立场。
本文系作者授权发表,未经许可,不得转载。

全站热门

英伟达新“王炸” 未发先难产

曼联官网预热完整采访!阿莫林:执教曼联,我感到非常自豪

史诗级加强!微信Windows PC版支持发布朋友圈:落后苹果macOS三年

荷兰主帅科曼:德容已经康复,但能否踢满90分钟比赛还需观察

18强赛最后一战!记者:国足6月10日将在沈阳迎战巴林队

[流言板]小雷:小蜘蛛的离开对曼城是打击;京多安在防守时犯了错误

萨索洛CEO:我读到了我和罗马的传闻,罗马很强但我专注于萨索洛

😅还能这么比?印尼媒体:输日本队4个,比中国、巴林要好

友情链接