QVQ: Bilgelikle Dünyayı Görmek
Alibaba/Qwen
Alibaba'nın Qwen ekibi, Qwen2-VL-72B tabanlı açık ağırlıklı bir multimodal akıl yürütme modeli olan QVQ-72B-Preview'u yayınladı. Model, MMMU'da 70.3 puan alırken matematik/fen kıyaslamalarında güçlü performans gösteriyor ancak dil karışımı ve yinelemeli akıl yürütme gibi sınırlamaları bulunuyor.
Alibaba'nın Qwen ekibi, multimodal akıl yürütme için deneysel bir açık ağırlıklı model olan QVQ-72B-Preview'ı yayınladı. Bu model, Qwen2-VL-72B üzerine inşa edilmiştir. QVQ, MMMU benchmarkında 70,3 puan alırken, önceki modeline kıyasla MathVista, MathVision ve OlympiadBench gibi matematikle ilgili benchmarklarda önemli iyileştirmeler göstermektedir. Bununla birlikte, modelin dil karışımı, yinelemeli akıl yürütme, güvenlik endişeleri ve çok adımlı görsel akıl yürütmede potansiyel halüsinasyonlar gibi birkaç sınırlaması bulunmaktadır. Ekip, gelecekte ek modaliteleri birleşik bir modelde bütünleştirmeyi planlamaktadır.
Kaynak: Alibaba Qwen —
orijinal