阿里通义千问 QwQ 登场：开源 AI 推理新王，MATH 测试超 OpenAI o1 模型

原文：

1. 本站 11 月 28 日消息，阿里通义千问今天（11 月 28 日）发布《QwQ: 思忖未知之界》博文，推出了 QwQ-32B-Preview 实验性研究模型，在数学和编程领域，尤其在需要深度推理的复杂问题上，具备卓越的 AI 推理能力。
2. 它是少数能与 OpenAI 的 o1 匹敌的模型之一，并且是第一个能以宽松许可证下载的模型。QwQ-32B-Preview 在 Apache 2.0 许可证下“公开”可用，这意味着它可以用于商业应用。
3. QwQ 愿景
   阿里通义千问团队表示“思考、质疑、理解，是人类探索未知的永恒追求”，而 QwQ 犹如一位怀抱无尽好奇的学徒，以思考和疑问照亮前路。

重写：

1. 阿里通义千问于 11 月 28 日发布了《QwQ: 思忖未知之界》博文，推出 QwQ-32B-Preview 实验研究模型。该模型在数学和编程领域表现卓越，尤其擅长需要深度推理的复杂问题。
2. QwQ-32B-Preview 是少数能与 OpenAI 的 o1 模型相媲美的模型之一，也是第一个可根据宽松许可证下载的模型。它在 Apache 2.0 许可证下“公开”可用，允许用于商业应用。
3. QwQ 的愿景
   阿里通义千问团队表示，“思考、质疑、理解是人类探索未知永恒的追求”，而 QwQ 就像一个充满好奇心的学徒，用思考和疑问照亮未知的前路。

模型局限性

阿里通义千问团队指出，QwQ 模型存在局限性，仍处于学习阶段。其思考有时会偏离主题，答案可能不完整，智慧仍在积累。

具体局限性：

• 语言切换问题：模型在回答中可能使用多种语言，影响清晰度。
• 推理循环：在复杂逻辑问题中，模型可能陷入循环推理，重复类似思路，导致答案冗长且缺乏重点。
• 安全性考虑：尽管模型具备基本安全管控，但仍需加强。它可能生成不当或有偏见的答案，并可能受到对抗性攻击。建议在生产环境中谨慎使用，并采取适当的安全措施。
• 能力差异：QwQ-32B-Preview 在数学和编程领域表现出色，但其他领域仍有提升空间。模型性能受任务复杂性和专业程度的影响。团队正在优化，以提高模型的综合能力。

模型表现

QwQ-32B-Preview 拥有 325 亿个参数，可处理最长 32000 个 token 的提示。

基准测试结果：

• AIME 和 MATH：模型在 AIME 和 MATH 基准测试中表现优于 OpenAI 的 o1-preview 和 o1-mini 模型。
• GPQA：模型在 GPQA 基准测试中得分 65.2%，展示了研究生水平的科学推理能力。
• AIME：模型在 AIME 基准测试中得分 50.0%，证明了出色的数学问题解决能力。
• MATH-500：模型在 MATH-500 基准测试中得分 90.6%，体现了对数学主题的全面理解。
• LiveCodeBench：模型在 LiveCodeBench 基准测试中得分 50.0%，验证了其在实际编程场景中的出色表现。

参考

• QwQ: 思忖未知之界

• QwQ-32B-Preview

以上就是阿里通义千问 QwQ 登场：开源 AI 推理新王，MATH 测试超 OpenAI o1 模型的详细内容，更多请关注其它相关文章！

Tags： 模型阿里