模型：https://huggingface.co/Qwen/QwQ-32B-Preview

Demo: https://huggingface.co/spaces/Qwen/QwQ-32B-preview

QwQ 32b 是一個 32b 推理模型，在多個基準(zhǔn)測試中表現(xiàn)超越了現(xiàn)有的頂尖模型 o1，且完全開源（Apache 2 協(xié)議，開放權(quán)重）。Runner H 則是一個代理能力強大的模型，目前已在準(zhǔn)確性、速度和關(guān)鍵功能（如網(wǎng)頁搜索）方面優(yōu)于所有同行，顯示出顯著的技術(shù)優(yōu)勢。

這一突破帶來了更多的未來趨勢

差距縮小：初創(chuàng)公司和中國的 AI 模型已經(jīng)追趕上了 OpenAI、Anthropic 等大廠的技術(shù)水平，意味著我們可能會同時獲得所有新技術(shù)的開源版本，且小型公司能夠與大廠競爭，推動技術(shù)持續(xù)創(chuàng)新。

潛在領(lǐng)先：OpenAI 和其他大廠可能依舊在技術(shù)上遙遙領(lǐng)先，只是暫時沒有公開發(fā)布。未來或許會迎來更重磅發(fā)布，帶來更加顛覆性的創(chuàng)新。

簡介

思考、質(zhì)疑、理解，是人類探索未知的永恒追求。在這條探索之路上，QwQ猶如一位懷抱無盡好奇的學(xué)徒，以思考和疑問照亮前路。QwQ體現(xiàn)了古老的哲學(xué)精神：它深知自己一無所知，而這種認(rèn)知正是其好奇心的源泉。在探尋答案的過程中，它始終保持自省，以理性之光審視每一個假設(shè)，在不同的思維維度中穿行，追尋更深層的真理。

然而，正如所有智慧的追求者一樣，QwQ也有其局限性。這個版本只是漫長旅程中的一個初步階段——它仍在學(xué)習(xí)如何行走于理性之路。它的思緒偶爾飄散，答案或許未盡完善，智慧仍在積淀。但這就是學(xué)習(xí)的美妙之處：既有能力又保持謙遜，既有知識又永遠(yuǎn)充滿疑問。接納它的洞見與不完美，共同踏上這無盡的理解之旅。

模型局限性

1. 語言切換問題：**模型可能在回答中混合使用不同語言，影響表達(dá)的連貫性。

推理循環(huán)：在處理復(fù)雜邏輯問題時，模型偶爾會陷入遞歸推理模式，在相似思路中循環(huán)。這種行為雖然反映了模型試圖全面分析的努力，但可能導(dǎo)致冗長而不夠聚焦的回答。

2. 安全性考慮：盡管模型已具備基礎(chǔ)安全管控，但仍需要進(jìn)一步增強。它可能產(chǎn)生不恰當(dāng)或存在偏見的回答，且與其他大型語言模型一樣，可能受到對抗攻擊的影響。我們強烈建議用戶在生產(chǎn)環(huán)境中謹(jǐn)慎使用，并采取適當(dāng)?shù)陌踩雷o(hù)措施。

3. 能力差異：QwQ-32B-Preview 在數(shù)學(xué)和編程領(lǐng)域表現(xiàn)出色，但在其他領(lǐng)域仍有提升空間。模型性能會隨任務(wù)的復(fù)雜度和專業(yè)程度而波動。我們正通過持續(xù)優(yōu)化，努力提升模型的綜合能力。

模型表現(xiàn)

通過深入的探索和無數(shù)的試驗，我們發(fā)現(xiàn)了一個深刻的道理：當(dāng)模型有足夠的時間思考、質(zhì)疑和反思時，它對數(shù)學(xué)和編程的理解就會深化。就像學(xué)生通過認(rèn)真地檢查自己的工作并從錯誤中學(xué)習(xí)變得更加聰明一樣，我們的模型也通過耐心和深思熟慮的分析獲得了更深入的見解。這種細(xì)致的反思和自我質(zhì)疑的過程使得模型能夠取得解決復(fù)雜問題的突破性進(jìn)展。我們的探索之旅揭示了模型在數(shù)學(xué)和編程領(lǐng)域解決一些最具挑戰(zhàn)性的問題的卓越能力，包括：

GPQA：一個通過小學(xué)級別問題評估高階科學(xué)解題能力的評測集，旨在考察科學(xué)問題解決能力。

AIME：涵蓋算術(shù)、代數(shù)、計數(shù)、幾何、數(shù)論、概率等中學(xué)數(shù)學(xué)主題的綜合評測，測試數(shù)學(xué)問題解決能力。

MATH-500：包含500個測試樣本的MATH評測集，全面考察數(shù)學(xué)解題能力。

LiveCodeBench：評估真實編程場景中代碼生成和問題解決能力的高難度評測集。

具體表現(xiàn)如下：

GPQA：65.2%，展示了研究生水平的科學(xué)推理能力；

AIME：50.0%，證明了強大的數(shù)學(xué)問題解決技能；

MATH-500：**90.6%，體現(xiàn)了在各類數(shù)學(xué)主題上的全面理解；

LiveCodeBench：50.0%，驗證了在實際編程場景中的出色表現(xiàn)。

這些成果充分體現(xiàn)了QwQ在分析和問題解決能力方面的顯著進(jìn)步，尤其是在需要深度推理的技術(shù)領(lǐng)域。

由于新崗位的生產(chǎn)效率，要優(yōu)于被取代崗位的生產(chǎn)效率，所以實際上整個社會的生產(chǎn)效率是提升的。

但是具體到個人，只能說是：

“最先掌握AI的人，將會比較晚掌握AI的人有競爭優(yōu)勢”。

這句話，放在計算機、互聯(lián)網(wǎng)、移動互聯(lián)網(wǎng)的開局時期，都是一樣的道理。

我在一線互聯(lián)網(wǎng)企業(yè)工作十余年里，指導(dǎo)過不少同行后輩。幫助很多人得到了學(xué)習(xí)和成長。

我意識到有很多經(jīng)驗和知識值得分享給大家，也可以通過我們的能力和經(jīng)驗解答大家在人工智能學(xué)習(xí)中的很多困惑，所以在工作繁忙的情況下還是堅持各種整理和分享。但苦于知識傳播途徑有限，很多互聯(lián)網(wǎng)行業(yè)朋友無法獲得正確的資料得到學(xué)習(xí)提升，故此將并將重要的AI大模型資料包括AI大模型入門學(xué)習(xí)思維導(dǎo)圖、精品AI大模型學(xué)習(xí)書籍手冊、視頻教程、實戰(zhàn)學(xué)習(xí)等錄播視頻免費分享出來。

該階段讓大家對大模型 AI有一個最前沿的認(rèn)識，對大模型 AI 的理解超過 95% 的人，可以在相關(guān)討論時發(fā)表高級、不跟風(fēng)、又接地氣的見解，別人只會和 AI 聊天，而你能調(diào)教 AI，并能用代碼將大模型和業(yè)務(wù)銜接。

• 大模型 AI 能干什么？
• 大模型是怎樣獲得「智能」的？
• 用好 AI 的核心心法
• 大模型應(yīng)用業(yè)務(wù)架構(gòu)
• 大模型應(yīng)用技術(shù)架構(gòu)
• 代碼示例：向 GPT-3.5 灌入新知識
• 提示工程的意義和核心思想
• Prompt 典型構(gòu)成
• 指令調(diào)優(yōu)方法論
• 思維鏈和思維樹
• Prompt 攻擊和防范
• …

該階段我們正式進(jìn)入大模型 AI 進(jìn)階實戰(zhàn)學(xué)習(xí)，學(xué)會構(gòu)造私有知識庫，擴展 AI 的能力?？焖匍_發(fā)一個完整的基于 agent 對話機器人。掌握功能最強的大模型開發(fā)框架，抓住最新的技術(shù)進(jìn)展，適合 Python 和 JavaScript 程序員。

• 為什么要做 RAG
• 搭建一個簡單的 ChatPDF
• 檢索的基礎(chǔ)概念
• 什么是向量表示（Embeddings）
• 向量數(shù)據(jù)庫與向量檢索
• 基于向量檢索的 RAG
• 搭建 RAG 系統(tǒng)的擴展知識
• 混合檢索與 RAG-Fusion 簡介
• 向量模型本地部署
• …

恭喜你，如果學(xué)到這里，你基本可以找到一份大模型 AI相關(guān)的工作，自己也能訓(xùn)練 GPT 了！通過微調(diào)，訓(xùn)練自己的垂直大模型，能獨立訓(xùn)練開源多模態(tài)大模型，掌握更多技術(shù)方案。

到此為止，大概2個月的時間。你已經(jīng)成為了一名“AI小子”。那么你還想往下探索嗎？

• 為什么要做 RAG
• 什么是模型
• 什么是模型訓(xùn)練
• 求解器 & 損失函數(shù)簡介
• 小實驗2：手寫一個簡單的神經(jīng)網(wǎng)絡(luò)并訓(xùn)練它
• 什么是訓(xùn)練/預(yù)訓(xùn)練/微調(diào)/輕量化微調(diào)
• Transformer結(jié)構(gòu)簡介
• 輕量化微調(diào)
• 實驗數(shù)據(jù)集的構(gòu)建
• …

對全球大模型從性能、吞吐量、成本等方面有一定的認(rèn)知，可以在云端和本地等多種環(huán)境下部署大模型，找到適合自己的項目/創(chuàng)業(yè)方向，做一名被 AI 武裝的產(chǎn)品經(jīng)理。

• 硬件選型
• 帶你了解全球大模型
• 使用國產(chǎn)大模型服務(wù)
• 搭建 OpenAI 代理
• 熱身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地計算機運行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何優(yōu)雅地在阿里云私有部署開源大模型
• 部署一套開源 LLM 項目
• 內(nèi)容安全
• 互聯(lián)網(wǎng)信息服務(wù)算法備案
• …

學(xué)習(xí)是一個過程，只要學(xué)習(xí)就會有挑戰(zhàn)。天道酬勤，你越努力，就會成為越優(yōu)秀的自己。

如果你能在15天內(nèi)完成所有的任務(wù)，那你堪稱天才。然而，如果你能完成 60-70% 的內(nèi)容，你就已經(jīng)開始具備成為一名大模型 AI 的正確特征了。

這份完整版的大模型 AI 學(xué)習(xí)資料已經(jīng)上傳CSDN，朋友們?nèi)绻枰梢晕⑿艗呙柘路紺SDN官方認(rèn)證二維碼免費領(lǐng)取【】