模型簡介

Qwen2.5系列發布了許多基本語言模型和指令調整語言模型，參數范圍從0.5到720億個參數不等。Qwen2.5-72B-Instruct模型是Qwen2.5系列大型語言模型指令調整版本。

使用場景

Qwen2.5 系列模型在自然語言理解、文本生成、編程能力、數學能力等方面都有顯著提升。可以應用于聊天機器人和虛擬助手、內容創作和編輯、教育和學習輔助、編程輔助、數學問題解決等多種場景。

評測效果

Qwen2.5-72B-Instruct 型號提供卓越的性能，甚至在幾項關鍵任務中超過了更大的 Llama-3.1-405B。Qwen2.5-72B-Instruct 在數學 （MATH： 83.1）、編碼 （LiveCodeBench： 55.5） 和聊天 （Arena-Hard： 81.2） 方面表現出色。與其基本型號 Qwen2.5-72B 及其前身 Qwen2-72B-Instruct 相比，Qwen2.5-72B-Instruct 展示了所有任務的全面改進。

技術亮點

• 基于領域的專業專家模型，知識明顯增加，并且大大提高了編碼和數學能力。
• 在指令跟隨、生成長文本（超過 8K 個標記）、理解結構化數據（例如表格）以及生成結構化輸出（尤其是 JSON）方面有了顯著改進。對系統提示的多樣性更具彈性，增強了聊天機器人的角色扮演實現和條件設置。
• 長上下文支持多達 128K 個令牌，并且可以生成多達 8K 個令牌。
• 多語言支持超過 29 種語言，包括中文、英語、法語、西班牙語、葡萄牙語、德語、意大利語、俄語、日語、韓語、越南語、泰語、阿拉伯語等。

版本列表

相關資源及引用

相關資源

• 有關 GPU 內存和相應吞吐量的要求，請參閱的結果。
• 詳細的評估結果可查看此。
• 模型使用協議詳見。

相關引用

如有幫助，歡迎引用。

@misc{qwen2.5,
    title = {Qwen2.5: A Party of Foundation Models},
    url = {//qwenlm.github.io/blog/qwen2.5/},
    author = {Qwen Team},
    month = {September},
    year = {2024}
}

@article{qwen2,
      title={Qwen2 Technical Report}, 
      author={An Yang and Baosong Yang and Binyuan Hui and Bo Zheng and Bowen Yu and Chang Zhou and Chengpeng Li and Chengyuan Li and Dayiheng Liu and Fei Huang and Guanting Dong and Haoran Wei and Huan Lin and Jialong Tang and Jialin Wang and Jian Yang and Jianhong Tu and Jianwei Zhang and Jianxin Ma and Jin Xu and Jingren Zhou and Jinze Bai and Jinzheng He and Junyang Lin and Kai Dang and Keming Lu and Keqin Chen and Kexin Yang and Mei Li and Mingfeng Xue and Na Ni and Pei Zhang and Peng Wang and Ru Peng and Rui Men and Ruize Gao and Runji Lin and Shijie Wang and Shuai Bai and Sinan Tan and Tianhang Zhu and Tianhao Li and Tianyu Liu and Wenbin Ge and Xiaodong Deng and Xiaohuan Zhou and Xingzhang Ren and Xinyu Zhang and Xipin Wei and Xuancheng Ren and Yang Fan and Yang Yao and Yichang Zhang and Yu Wan and Yunfei Chu and Yuqiong Liu and Zeyu Cui and Zhenru Zhang and Zhihao Fan},
      journal={arXiv preprint arXiv:2407.10671},
      year={2024}
}

免責聲明

Qwen2.5-72B-Instruct模型來源于第三方，本平臺不保證其合規性，請您在使用前慎重考慮，確保合法合規使用并遵守第三方的要求。