QVQ: Ver el mundo con sabiduría
Alibaba/Qwen
El equipo Qwen de Alibaba lanza QVQ-72B-Preview, un modelo de razonamiento multimodal de pesos abiertos construido sobre Qwen2-VL-72B. Alcanza un 70,3 en MMMU y muestra un rendimiento sólido en puntos de referencia de matemáticas y ciencias, aunque tiene limitaciones como la mezcla de idiomas y el razonamiento recursivo.
El equipo de Qwen en Alibaba ha lanzado QVQ-72B-Preview, un modelo experimental de código abierto para razonamiento multimodal, construido sobre Qwen2-VL-72B. QVQ alcanza una puntuación de 70.3 en el benchmark MMMU y muestra mejoras sustanciales en benchmarks relacionados con matemáticas como MathVista, MathVision y OlympiadBench en comparación con su predecesor. Sin embargo, el modelo tiene varias limitaciones, como la mezcla de idiomas, el razonamiento recursivo, preocupaciones de seguridad y posibles alucinaciones en el razonamiento visual de múltiples pasos. El equipo planea integrar modalidades adicionales en un modelo unificado en el futuro.
Fuente: Alibaba Qwen —
original