Qwen2-VL发布，支持复杂推理与决策的可视化Agent！

最新推荐文章于 2024-09-26 17:50:23 发布

朝阳区靓仔_James

最新推荐文章于 2024-09-26 17:50:23 发布

阅读量1.3k

点赞数 15

文章标签：人工智能 prompt 搜索引擎 macos 自然语言处理

本文链接：https://blog.csdn.net/weixin_58753619/article/details/141726075

版权

阿里发布Qwen2-VL，开源了Qwen2-VL-2B和Qwen2-VL-7B，72B型号后续推出，Qwen2-VL是Qwen模型系列中视觉语言模型的最新版本。

SoTA 对各种分辨率和比例的图像的理解：Qwen2-VL 在视觉理解基准上实现了最先进的性能，包括 MathVista、DocVQA、RealWorldQA、MTVQA 等。
理解 20 分钟以上的视频：借助在线流媒体功能，Qwen2-VL 可以通过基于高质量视频的问答、对话、内容创作等方式理解 20 分钟以上的视频。
可以操作你的手机、机器人等的Agent：Qwen2-VL 具有复杂的推理和决策能力，可以与手机、机器人等设备集成，根据视觉环境和文本指令进行自动操作。
多语言支持：为了服务全球用户，除了英语和中文，Qwen2-VL 现在还支持理解图像中不同语言的文本，包括大多数欧洲语言、日语、韩语、阿拉伯语、越南语等

模型架构更新：

简单的动态分辨率：与以前不同，Qwen2-VL 可以处理任意图像分辨率，将它们映射到动态数量的视觉标记中，提供更像人类的视觉处理体验。

多模态旋转位置嵌入（M-ROPE）：将位置嵌入分解为各个部分，以捕获 1D 文本、2D 视觉和 3D 视频位置信息，增强其多模态处理能力。

Agent Benchmarks：

SR、GC、TM 和 EM 分别是成功率、目标条件成功、类型匹配和完全匹配的缩写。

Qwen 团队自行编写的函数调用基准测试
通过强化学习对大型视觉语言模型进行微调，使其成为决策Agent
Android：GUI Agent的动作链思维
ThinkBot：通过思维链推理实现具体指令遵循
MapGPT：带有自适应路径规划的地图引导提示，用于视觉和语言导

Agent Function Call：

Qwen2-VL支持函数调用（又称工具调用或工具使用），基于 Qwen-Agent进行示例演示：

import json``import urllib.parse``   ``from qwen_agent.llm import get_chat_model``from qwen_agent.llm.schema import ContentItem``   ``   ``def image_gen(prompt: str) -> str:`    `prompt = urllib.parse.quote(prompt)`    `image_url = f'https://image.pollinations.ai/prompt/{prompt}'`    `return image_url``   ``   ``def test():`    `# Config for the model`    `llm_cfg_oai = {`        `# Using Qwen2-VL deployed at any openai-compatible service such as vLLM:`        `'model_type': 'qwenvl_oai',`        `'model': 'Qwen/Qwen2-VL-72B-Instruct',`        `'model_server': 'http://localhost:8000/v1',  # api_base`        `'api_key': 'EMPTY',`    `}`    `llm = get_chat_model(llm_cfg_oai)``   `    `# Initial conversation`    `messages = [{`        `'role':`            `'user',`        `'content': [{`            `'image': 'https://dashscope.oss-cn-beijing.aliyuncs.com/images/dog_and_girl.jpeg'`        `}, {`            `'text': '图片中的内容是什么？请画一张内容相同，风格类似的图片。'`        `}]`    `}]``   `    `functions = [`        `{`            `'name': 'image_gen',`            `'description': 'AI绘画（图像生成）服务，输入文本描述，返回根据文本信息绘制的图片URL。',`            `'parameters': {`                `'name': 'prompt',`                `'type': 'string',`                `'description': '详细描述了希望生成的图像具有什么内容，例如人物、环境、动作等细节描述，使用英文',`                `'required': True`            `}`        `},`    `]``   `    `print('# Assistant Response 1:')`    `responses = []`    `for responses in llm.chat(messages=messages, functions=functions, stream=True):`        `print(responses)`    `messages.extend(responses)``   `    `for rsp in responses:`        `if rsp.get('function_call', None):`            `func_name = rsp['function_call']['name']`            `if func_name == 'image_gen':`                `func_args = json.loads(rsp['function_call']['arguments'])`                `image_url = image_gen(func_args['prompt'])`                `print('# Function Response:')`                `func_rsp = {`                    `'role': 'function',`                    `'name': func_name,`                    `'content': [ContentItem(image=image_url),`                                `ContentItem(text=f'（ 这张图片的URL是 {image_url} ）')],`                `}`                `messages.append(func_rsp)`                `print(func_rsp)`            `else:`                `raise NotImplementedError``   `    `print('# Assistant Response 2:')`    `responses = []`    `for responses in llm.chat(messages=messages, functions=functions, stream=True):`        `print(responses)`    `messages.extend(responses)``   ``   ``if __name__ == '__main__':`    `test()

https://huggingface.co/collections/Qwen/qwen2-vl-66cee7455501d7126940800d``https://github.com/QwenLM/Qwen2-VL

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

在这里插入图片描述