R1 VL 7B

🚀 R1-VL-7B

R1-VL-7B是一個推理模型，採用逐步分組相對策略優化（StepGRPO）方法進行訓練。

🚀 快速開始

模型信息

相關鏈接

• 論文：https://arxiv.org/pdf/2503.12937
• GitHub倉庫：https://github.com/jingyi0000/R1-VL
• 基礎模型：https://huggingface.co/Qwen/Qwen2-VL-7B-Instruct

📄 許可證

本項目採用Apache-2.0許可證。