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。

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】