VL Reasoner 7B

🚀 VL-Reasoner-7B

VL-Reasoner-7B は、様々なマルチモーダル推論ベンチマークで優れた結果を達成しています。このモデルは GRPO-SSR 技術を用いて学習され、VL-Rethinker の基礎となっています。

🚀 クイックスタート

🚀 ニュース: マルチモーダル推論のためのRL学習クエリの精選コレクション ViRL39K を公開しました。

アプローチの詳細や性能比較については、論文 をご覧ください。学習と評価の詳細については、コードリポジトリ を参照してください。

以下のリンクからさらに詳しく調べることができます。

| 🚀プロジェクトページ | 📖論文 | 🔗Github | 🤗データ |

📚 ドキュメント

📄 ライセンス

このモデルは apache-2.0 ライセンスの下で提供されています。

引用

このモデルが役立つと感じた場合は、以下のように引用していただけると幸いです。

@article{vl-rethinker,
      title={VL-Rethinker: Incentivizing Self-Reflection of Vision-Language Models with Reinforcement Learning},
      author = {Wang, Haozhe and Qu, Chao and Huang, Zuming and Chu, Wei and Lin, Fangzhen and Chen, Wenhu},
      journal={arXiv preprint arXiv:2504.08837},
      year={2025}
}