QVQ：叡智をもって世界を見る

アリババのQwenチームは、マルチモーダル推論のための実験的なオープンウェイトモデルであるQVQ-72B-Previewをリリースしました。これはQwen2-VL-72Bを基盤として構築されています。QVQはMMMUベンチマークで70.3のスコアを達成し、前身モデルと比較してMathVista、MathVision、OlympiadBenchなどの数学関連のベンチマークで大幅な改善を示しています。ただし、このモデルには、言語混合、再帰的推論、安全性の問題、および多段階の視覚推論における潜在的な幻覚など、いくつかの制限があります。チームは将来的に、追加のモダリティを統一モデルに統合する計画です。