VLM-R1

收录理由

VLM-R1 把 R1 风格的强化学习流程搬到了视觉语言模型上，并且把训练代码、具体数据集和预训练权重都完整公开了。如果你正在用 GRPO 微调多模态模型，通常得从零散论文里拼凑实操细节，而这个项目基于 Qwen2.5-VL 搭建，脚本和数据都是现成的，可以直接照着跑。它发布的检查点覆盖了指代表达理解、开放词汇检测和视觉数学推理这几类任务，想直接用于这些场景或者研究训练方法都行。README 里还记录了一个有价值的观察：随着训练步数增加，强化学习在域外数据上的泛化表现优于监督微调。项目附带在线演示和技术报告，想尝试在多模态场景下做强化学习的话，这是一个很实在的切入点。