Skywork R1V2 38B

🚀 Skywork-R1V2

Skywork-R1V2-38Bは最先端のオープンソースのマルチモーダル推論モデルです。複数のベンチマークでトップクラスの性能を達成しており、強力な視覚推論とテキスト理解能力を兼ね備えています。

📖 R1V2 Report | 💻 GitHub | 🌐 ModelScope

✨ 主な機能

Skywork-R1V2-38Bは最先端のオープンソースのマルチモーダル推論モデルで、複数のベンチマークで優れた性能を発揮します。

• MMMU では 73.6% のスコアを記録し、これまでのすべてのオープンソースモデルの中で最も高い結果を達成しています。
• OlympiadBench では 62.6% を達成し、他のオープンモデルと比べて大きな差をつけています。
• R1V2は MathVision、MMMU-Pro、MathVista でも強力な性能を発揮し、独占的な商用モデルに匹敵する結果を得ています。
• 全体として、R1V2は強力な 視覚推論 と テキスト理解 能力を兼ね備えた、高性能なオープンソースのVLMとして際立っています。

🔧 技術詳細

📚 ドキュメント

評価

📦 インストール

1. リポジトリをクローンする

git clone https://github.com/SkyworkAI/Skywork-R1V.git
cd skywork-r1v/inference

2. 環境をセットアップする

# For Transformers  
conda create -n r1-v python=3.10 && conda activate r1-v  
bash setup.sh  
# For vLLM  
conda create -n r1v-vllm python=3.10 && conda activate r1v-vllm  
pip install -U vllm

💻 使用例

基本的な使用法

transformers推論

CUDA_VISIBLE_DEVICES="0,1" python inference_with_transformers.py \
    --model_path path \
    --image_paths image1_path \
    --question "your question"

vllm推論

python inference_with_vllm.py \
    --model_path path \
    --image_paths image1_path image2_path \
    --question "your question" \
    --tensor_parallel_size 4

📄 ライセンス

このプロジェクトはMITライセンスの下で公開されています。

📚 引用

もしあなたの研究でSkywork-R1Vを使用した場合は、以下を引用してください。

@misc{chris2025skyworkr1v2multimodalhybrid,
      title={Skywork R1V2: Multimodal Hybrid Reinforcement Learning for Reasoning}, 
      author={Chris and Yichen Wei and Yi Peng and Xiaokun Wang and Weijie Qiu and Wei Shen and Tianyidan Xie and Jiangbo Pei and Jianhao Zhang and Yunzhuo Hao and Xuchen Song and Yang Liu and Yahui Zhou},
      year={2025},
      eprint={2504.16656},
      archivePrefix={arXiv},
      primaryClass={cs.CV},
      url={https://arxiv.org/abs/2504.16656}, 
}

@misc{peng2025skyworkr1vpioneeringmultimodal,
      title={Skywork R1V: Pioneering Multimodal Reasoning with Chain-of-Thought}, 
      author={Yi Peng and Chris and Xiaokun Wang and Yichen Wei and Jiangbo Pei and Weijie Qiu and Ai Jian and Yunzhuo Hao and Jiachun Pan and Tianyidan Xie and Li Ge and Rongxian Zhuang and Xuchen Song and Yang Liu and Yahui Zhou},
      year={2025},
      eprint={2504.05599},
      archivePrefix={arXiv},
      primaryClass={cs.CV},
      url={https://arxiv.org/abs/2504.05599}, 
}