QVQ: 지혜로운 시각으로 세상을 바라보다

Qwen 팀은 시각적 이해와 복잡한 문제 해결 능력을 극대화하기 위해 Qwen2-VL-72B를 기반으로 한 오픈 웨이트 멀티모달 추론 모델인 QVQ를 개발했다. QVQ는 언어적 사고와 시각적 기억을 결합하여, 복잡한 물리 문제 등을 단계별로 추론하며 해결할 수 있도록 설계되었다.

성능 측면에서 QVQ는 MMMU 벤치마크에서 70.3점을 기록하며 기존 Qwen2-VL-72B-Instruct를 크게 앞질렀다. 또한 다음과 같은 수학 및 과학 중심 벤치마크에서도 뛰어난 성과를 보이며 선도적인 o1 모델과의 격차를 효과적으로 좁혔다:

• MathVista: 논리적, 대수적, 과학적 시각 추론 평가
• MathVision: 고품질 멀티모달 수학 추론 테스트 세트
• OlympiadBench: 올림피아드 수준의 수학 및 물리 문제

다만, 실험적 연구 모델로서 몇 가지 한계점도 존재한다. 답변 과정에서 언어가 예기치 않게 섞이는 언어 혼용 현상이나, 결론에 도달하지 못하고 순환 논리에 빠지는 재귀적 추론 문제가 발생할 수 있다. 또한 다단계 시각 추론 과정에서 이미지 내용에 대한 집중력을 잃고 **환각(Hallucination)**을 일으킬 가능성이 있어 주의가 필요하다.