QVQ: Ver o Mundo com Sabedoria
Alibaba/Qwen
A equipe Qwen da Alibaba lança o QVQ-72B-Preview, um modelo de raciocínio multimodal de pesos abertos construído sobre o Qwen2-VL-72B. Ele alcança 70,3 no MMMU e mostra forte desempenho em benchmarks de matemática e ciências, embora tenha limitações como mistura de idiomas e raciocínio recursivo.
A equipe Qwen, da Alibaba, lançou o QVQ-72B-Preview, um modelo experimental de código aberto para raciocínio multimodal, construído a partir do Qwen2-VL-72B. O QVQ alcançou uma pontuação de 70,3 no benchmark MMMU e apresentou melhorias substanciais em benchmarks relacionados à matemática, como MathVista, MathVision e OlympiadBench, em comparação com seu predecessor. No entanto, o modelo tem várias limitações, incluindo mistura de idiomas, raciocínio recursivo, preocupações de segurança e possíveis alucinações em raciocínio visual de múltiplas etapas. A equipe planeja integrar modalidades adicionais em um modelo unificado no futuro.
Fonte: Alibaba Qwen —
original