Qwen2
PulseAugur coverage of Qwen2 — every cluster mentioning Qwen2 across labs, papers, and developer communities, ranked by signal.
- 2026-07-24 product_launch Alibaba Cloud launched the Qwen2 series of open-source language models. 来源
3 天有情绪数据
-
AI 模型受过时数据阻碍，实时搜索是解决方案
大型语言模型（LLMs）受到知识截止日期的限制，这意味着它们的训练数据在发布时就已经过时。即使是像 Anthropic 的 Claude 4.7 Opus 这样训练数据截止到 2026 年 1 月的先进模型，也无法理解当前事件。为了克服这一限制，通过 API 集成实时搜索数据对于 AI 系统提供准确和最新的信息至关重要，从而实现更有效的代理工作流和复杂的自动化。
-
Qwen VLMs 在复杂说服任务上表现强劲
研究人员使用 ImageArg 数据集评估了视觉语言模型（VLMs）在复杂的亚里士多德说服任务上的表现，该数据集侧重于 Logos、Ethos 和 Pathos 的检测。研究发现 Qwen 系列模型表现有所提升，其中 Qwen3 在 Logos 和 Pathos 任务上表现出色，Qwen2 在 Ethos 检测方面表现强劲。研究人员已公开其代码，以鼓励对 VLMs 在此领域的能力进行进一步研究。
-
阿里云发布 Qwen2 模型系列，具备长上下文和多语言能力
阿里云已发布 Qwen2 系列开源语言模型，提供从 0.5B 到 72B 参数的多种尺寸，包括一个混合专家模型。这些模型在长上下文推理方面能力得到增强，支持高达 128K token，并改进了多语言支持，训练数据涵盖 27 种语言。Qwen2 系列在各种基准测试中表现强劲，使其成为寻求强大且灵活的开源 AI 解决方案的开发者的有力竞争者。
-
无键注意力机制将KV缓存减半，提高Transformer效率
研究人员推出了一种新颖的Transformer注意力机制——无键注意力（Keyless Attention），该机制完全消除了键投影，仅基于查询（queries）和值（values）进行操作。与标准注意力相比，这种方法产生了一个仅值缓存（Value-Only Cache），将KV缓存内存和访问开销减半，同时保持或提高了解码吞吐量。该机制还实现了深度注意力因子分解（Depth-m Attention Factorization），实验表…