R1 VL 7B

🚀 R1-VL-7B

R1-VL-7B是一个推理模型，采用逐步分组相对策略优化（StepGRPO）方法进行训练。

🚀 快速开始

模型信息

相关链接

• 论文：https://arxiv.org/pdf/2503.12937
• GitHub仓库：https://github.com/jingyi0000/R1-VL
• 基础模型：https://huggingface.co/Qwen/Qwen2-VL-7B-Instruct

📄 许可证

本项目采用Apache-2.0许可证。