QVQ: Die Welt mit Weisheit sehen
Alibaba/Qwen
Alibabas Qwen-Team veröffentlicht QVQ-72B-Preview, ein offenes multimodales Reasoning-Modell, das auf Qwen2-VL-72B basiert. Es erreicht 70,3 im MMMU und zeigt starke Leistungen bei Mathematik- und Wissenschaftsbenchmarks, weist jedoch Einschränkungen wie Sprachmischung und rekursives Denken auf.
Das Qwen-Team von Alibaba hat QVQ-72B-Preview veröffentlicht, ein experimentelles Open-Weight-Modell für multimodales Schlussfolgern, das auf Qwen2-VL-72B aufbaut. QVQ erreicht einen Wert von 70,3 im MMMU-Benchmark und zeigt im Vergleich zu seinem Vorgänger deutliche Verbesserungen bei mathematischen Benchmarks wie MathVista, MathVision und OlympiadBench. Das Modell weist jedoch mehrere Einschränkungen auf, darunter Sprachmischung, rekursives Denken, Sicherheitsbedenken und mögliche Halluzinationen beim mehrstufigen visuellen Denken. Das Team plant, in Zukunft weitere Modalitäten in ein einheitliches Modell zu integrieren.
Quelle: Alibaba Qwen —
Original