在人工智能領(lǐng)域，阿里巴巴再次展示了其強(qiáng)大的研發(fā)實(shí)力。阿里云通義團(tuán)隊(duì)近期發(fā)布了一款名為QVQ-Max的視覺推理模型，這款模型的問世，標(biāo)志著阿里大模型表情包軍團(tuán)又增添了一位重量級(jí)成員。
QVQ-Max具備強(qiáng)大的視覺理解能力，它不僅能看懂圖片和視頻中的內(nèi)容，還能結(jié)合這些信息進(jìn)行分析和推理，為用戶提供解決方案。無論是在數(shù)學(xué)問題、生活常識(shí)、編程代碼，還是在藝術(shù)創(chuàng)作等場(chǎng)景，QVQ-Max都能展現(xiàn)其卓越的能力。
用戶只需上傳任意圖像或視頻，并提出問題，QVQ-Max就能迅速響應(yīng)。通過點(diǎn)擊“思考”按鈕，用戶可以直觀地看到模型是如何逐步處理視覺信息的。例如，QVQ-Max可以協(xié)助用戶完成數(shù)據(jù)分析、信息整理等任務(wù)，甚至還能幫助學(xué)生解答配有圖表的數(shù)學(xué)、物理難題，以直觀的方式講解復(fù)雜概念。
在解決多模態(tài)數(shù)學(xué)問題方面，QVQ-Max同樣表現(xiàn)出色。研究人員發(fā)現(xiàn)，模型在處理問題時(shí)，思考的token數(shù)越長，其準(zhǔn)確度就越高。這一特性使得QVQ-Max在解決復(fù)雜數(shù)學(xué)問題方面具有顯著優(yōu)勢(shì)。
阿里云通義團(tuán)隊(duì)在介紹QVQ-Max時(shí)表示，他們的目標(biāo)是讓這款模型成為一個(gè)既“眼尖”又“腦快”的助手，幫助用戶解決各種實(shí)際問題。從實(shí)際演示案例來看，QVQ-Max確實(shí)不負(fù)眾望。
在多圖識(shí)別方面，QVQ-Max能夠準(zhǔn)確描述圖片中的景色，并找出兩張圖片之間的相關(guān)之處。在數(shù)學(xué)推理方面，QVQ-Max通過分析數(shù)字之間的關(guān)系，得出了正確的答案。QVQ-Max還能看手相、分析視頻內(nèi)容并為其創(chuàng)建貼合的字幕，甚至還能通過觀看視頻自學(xué)編程。
QVQ-Max的能力可以概括為細(xì)致觀察、深入推理和靈活應(yīng)用。它能夠快速識(shí)別出復(fù)雜圖表和照片中的關(guān)鍵元素，基于看到的內(nèi)容進(jìn)行分析，并結(jié)合背景知識(shí)得出結(jié)論。QVQ-Max還能靈活應(yīng)用這些能力進(jìn)行創(chuàng)作，如設(shè)計(jì)插畫、生成短視頻腳本等。
在現(xiàn)實(shí)生活中，很多信息是通過圖片、圖表、視頻等形式表達(dá)的。這些信息往往比文字更直觀、更復(fù)雜。QVQ-Max的出現(xiàn)，正好解決了這一問題。它能夠結(jié)合專業(yè)知識(shí)和視覺信息進(jìn)行分析，為用戶提供更加準(zhǔn)確和可靠的解決方案。
