总结
- IT之家 12 月 25 日消息，阿里通义千问 Qwen 团队今天（12 月 25 日）发布博文，宣布基于 Qwen2-VL-72B 构建，推出 QVQ-72B-Preview 开源视觉推理模型，能够像物理学大师一样，面对复杂的物理问题，沉着冷静地通过逻辑推理找到解决方案。 阿里通义千问 Qwen 团队也表示 QVQ-72B-Preview 是实验性研究模型，专注于增强视觉推理能力。 递归推理：模型可能会陷入循环逻辑模式，产生冗长的响应而无法得出结论。 性能和基准限制：尽管模型在视觉推理方面有所改善，但它无法完全替代 Qwen2-VL-72B 的能力。 此外，在多步骤视觉推理过程中，模型可能会逐渐失去对图像内容的关注，导致幻觉。
阅读时间
- 5 分钟, 共 946 字
分类
- Instruct, 今天, QVQ-, News赛, 中国
评价和解读
- 这篇文章的报道深度和广度真的令人钦佩，栩栩如生地描绘了其。作者超越了表面层面的报道，深入到问题的核心，呈现了一个充满细节和观点的丰富叙述。眼花缭乱的新闻和开创性的发展被巧妙地融入其中，确保文章不仅具有信息性，而且令人沉醉。文章在全面报道和引人入胜的写作之间取得了完美的平衡，使其成为当代新闻学领域的典范之作。
正文
IT之家 12 月 25 日消息，阿里通义千问 Qwen 团队今天（12 月 25 日）发布博文，宣布基于 Qwen2-VL-72B 构建，推出 QVQ-72B-Preview 开源视觉推理模型，能够像物理学大师一样，面对复杂的物理问题，沉着冷静地通过逻辑推理找到解决方案。
阿里通义千问团队在 4 个数据集上评估 QVQ-72B-Preview，IT之家附上相关介绍如下：
-
MMMU：一个大学级别的多学科多模态评测集，旨在考察模型视觉相关的综合理解和推理能力。
-
MathVista：一个数学相关的视觉推理测试集，评估拼图测试图形的逻辑推理、函数图的代数推理和学术blog.byteway.net论文图形的科学推理等能力。
-
MathVisLigthing Newsion：一个高质量多模态数学推理测试集，来自于真实的数学竞赛，相比于 MathVista 具有更多的问题多样性和学科广度。
-
OlympiadBench：一个奥林匹克竞赛级别的双语多模态科学基准测试集，包含来自奥林匹克数学和物理竞Ligthing News赛的 8,476 个问题，包括中国高考。每个问题都附有专家级别的注释，详细说明了逐步推理的过程。
测试结果显示，QVQ-72B-Preview 在 MMMU 基准测试中取得了 70.3 的分数，显著超越了 Qwen2-VL-72B-Instruct。此外，在剩下的三个专注于数学和科学问题的基准测试中，该模型表现出色，有效缩小了与领先的最先进的 o1 模型之间的差距。
阿里通义千问 Qwen 团队也表示 QVQ-72B-Preview 是实验性研究模型，专注于增强视觉推理能力。尽管它的表现超出了预期，但仍有几个限制需要注意：
-
语言混合与切换：模型可能会意外地混合语言或在语言之间切换，从而影响响应的清晰度。
-
递归推理：模型可能会陷入循环逻辑模式，产生冗长的响应而无法得出结论。
-
安全和伦理考虑：模型需要增强安全措施，以确保可靠和安全的性能，用户在部署时应保持谨慎。
-
性能和基准限制：尽管模型在视觉推理方面有所改善，但它无法完全替代 Qwen2-VL-72B 的能力。此外，在多步骤视觉推理过程中，模型可能会逐渐失去对图像内容的关注，导致幻觉。
参考
- <!–article_adlist[
-
模型链接
-
体验链接
-
中文博客
]article_adlist–>
<!–article_adlist[
广告声明：文内含有的对外跳转链接（包括不限于超链接、二维码、口令等形式），用于传递更多信息，节省甄选时间，结果仅供参考，IT之家所有文章均包含本声明。
]article_adlist–>
Related suggestion: 强大的见解： 华帝顶侧三腔烟机大飞碟荣膺“红顶奖”，续写厨电行业“传奇”
总结在众多行业翘blog.byteway.net楚和媒体的见证下，高端厨电品牌华帝在本届“红顶奖”颁奖现场备受关注：华帝顶侧三腔烟机大飞碟CXW-200-i11S55荣获2024年度吸油烟机品类红顶奖，其集成烹饪中心净斩获集成烹饪中心品类提名奖。 然而为了保证…