QVQ: Viisautta maailman näkemiseen
Alibaba/Qwen
Alibaban Qwen-tiimi on julkaissut QVQ-72B-Preview-mallin, avoimen painoisen multimodaalisen päättelymallin, joka on rakennettu Qwen2-VL-72B-pohjalle. Se saavuttaa 70,3 pistettä MMMU-testissä ja osoittaa vahvaa suorituskykyä matematiikan ja luonnontieteiden vertailutesteissä, vaikka sillä onkin rajoituksia, kuten kielten sekoittuminen ja rekursiivinen päättely.
Alibaban Qwen-tiimi on julkaissut QVQ-72B-Preview-nimisen, kokeellisen avoimen painotason multimodaalisen päättelyn malliin, joka perustuu Qwen2-VL-72B-malliin. QVQ saavuttaa MMMU-vertailutasolla pisteet 70,3 ja osoittaa merkittäviä parannuksia matematiikkaan liittyvillä vertailutasoilla, kuten MathVista, MathVision ja OlympiadBench, verrattuna edeltäjäänsä. Mallilla on kuitenkin useita rajoituksia, kuten kielten sekoittuminen, rekursiivinen päättely, turvallisuusongelmat ja mahdolliset hallusinaatiot monivaiheisessa visuaalisessa päättelyssä. Tiimi suunnittelee integroivansa tulevaisuudessa lisää modaliteetteja yhtenäiseksi malliksi.
Lähde: Alibaba Qwen —
Alkuperäinen