演讲主题

多模态推理和统一模型

r1v：全球首个工业界多模态思维链推理模型，核心是迁移文本推理能力至视觉任务。架构用轻量视觉投影器连接文本与视觉模型，混合优化框架（迭代 SFT+GRPO）强化对齐，自适应思维链蒸馏提升效率。380 亿参数，MMMU 69.0、MathVista 67.5，文本推理顶尖，奠定统一多模态推理基础。 r1v2：改进混合强化学习，用 SSB 机制缓解 GRPO “优势消失”，MPO 策略融合奖励模型与规则约束，校准奖励阈值减幻觉。性能全面提升，MMMU 73.6、MathVista 74.0，缩小与闭源模型差距，平衡专项与通用能力。 r1v3：升级跨模态融合与强化学习，冷启动 RL、关键推理熵判别、优化视觉连接器、跨模态因果建模。2.5 万 + 样本训练，推理速度提 6 倍，步骤压缩至 1/6。MMMU 76.0 超部分闭源模型，接近人类初级专家水平，开源模型中多项第一。