導(dǎo)讀：新京報(bào)貝殼財(cái)經(jīng)訊（記者羅亦丹）12月25日，阿里云通義千問發(fā)布業(yè)界首個開源多模態(tài)推理模型QVQ-72B-Preview。QVQ展現(xiàn)出超預(yù)期的視覺理解和推理能力，在解決數(shù)學(xué)、物理、科學(xué)等領(lǐng)域的復(fù)雜推理問題上表現(xiàn)尤為突出。多項(xiàng)評測數(shù)據(jù)顯示，QVQ超越了此前的視覺理解模型「開源王者」Qwen2-VL，整體表現(xiàn)與「滿血版」OpenAI o1、Claude3.5 Sonnet等推理模型相當(dāng)。目前，開發(fā)者可在魔搭社區(qū) ......
新京報(bào)貝殼財(cái)經(jīng)訊（記者羅亦丹）12月25日，阿里云通義千問發(fā)布業(yè)界首個開源多模態(tài)推理模型QVQ-72B-Preview。QVQ展現(xiàn)出超預(yù)期的視覺理解和推理能力，在解決數(shù)學(xué)、物理、科學(xué)等領(lǐng)域的復(fù)雜推理問題上表現(xiàn)尤為突出。多項(xiàng)評測數(shù)據(jù)顯示，QVQ超越了此前的視覺理解模型「開源王者」Qwen2-VL，整體表現(xiàn)與「滿血版」OpenAI o1、Claude3.5 Sonnet等推理模型相當(dāng)。目前，開發(fā)者可在魔搭社區(qū)和HuggingFace平臺上直接體驗(yàn)。
人類的推理能力植根于語言思維和視覺記憶中，正因此，利用視覺理解增強(qiáng)大模型推理能力，成為AI技術(shù)的前沿探索之一。阿里云方面表示，QVQ是一個會基于視覺進(jìn)行深度思考推理的大模型。QVQ不但能感知更準(zhǔn)確的視覺內(nèi)容，并據(jù)此作出更細(xì)致的分析推理，還會質(zhì)疑自身假設(shè)，仔細(xì)審視其推理過程的每一步，經(jīng)過深思熟慮后給出最后結(jié)論。QVQ可以輕松識別“梗圖”內(nèi)涵；看真實(shí)照片可合理推斷出物體個數(shù)及高度等信息；在面對數(shù)學(xué)、物理、化學(xué)等各科學(xué)領(lǐng)域難題，QVQ能像人甚至科學(xué)家一樣，給出思考過程和準(zhǔn)確答案。
編輯 李錚
校對 楊利
