千问团队开源会思考的QwQ模型，这模型成精了！
QwQ是由Qwen团队开发的大型语言模型，专注于增强AI的推理能力。此预览版本在数学和编程领域表现出色，但在其他领域仍有提升空间。模型具备深度自省和自我质疑的能力，通过逐步推理和假设检验，能够在复杂问题上取得突破性进展。QwQ不仅支持本地推理和Ollama直接运行，还提供了详细的微调指南，助力开发者根据特定需求定制模型。尽管QwQ在推理过程中存在语言切换和安全性等方面的局限性，Qwen团队仍致力于不断优化，推动模型向更高层次的智能迈进。[了解更多](https://modelscope.cn/studios/Qwen/QwQ-32B-preview)
iOS UI 自动化测试原理以及在 Trip.com 的应用实践
笔者入职 Trip.com 已满一年，回顾这一年的工作历程，约一半的时间都在做 UI 自动化测试相关内容。从而，笔者更深入地研究了 iOS 平台下的自动化测试技术，目前也在负责部门 App 自动化测试平台的搭建和维护。故想借这篇文章一并将所踩过的坑以及学习到的技术，系统且全面地整理出分享给大家。
Qwen for Tugraph:自然语言至图查询语言翻译大模型微调最佳实践
在图数据库的应用场景中，自然语言至图查询语言的高效转换一直是行业中的重要挑战。本次实践基于阿里云 Qwen 大模型，围绕 TuGraph 图数据库的需求，探索并验证了一套高效的大模型微调方案，显著提升了模型生成 Cypher 查询语句的能力。通过数据清洗、两阶段微调方法以及两模型推理框架等一系列创新策略，我们成功解决了图查询语言翻译任务中的核心问题。本文将从背景与目标、数据准备与清洗、微调框架设计、Prompt设计与优化、模型推理、最佳实践效果以及前景展望等六个部分出发，向读者逐步介绍我们的方案。
