R1-V 是什么
R1-V 被介绍为一个通过可验证奖励的强化学习提升视觉语言模型泛化能力的项目。
你可以用它做什么
- 把 RLVR 用于视觉计数任务
- 在 100 步内训练 2B 模型应对 OOD 测试
- 使用开源的代码、模型和数据集
上手流程
- 把项目仓库克隆到本地
- 安装项目依赖的 Python 包
- 设置 DEBUG_MODE 和 LOG_PATH 等环境变量
- 用 torchrun 指定输出、模型和数据集路径启动训练
优点与缺点
✓ 我们认可的地方
- 资料称 RLVR 在泛化能力上优于 CoT-SFT
- 多种训练配置适配不同硬件环境
! 需要留意的地方
- 训练需通过 torchrun 命令并指定路径
- 需要设置 DEBUG_MODE 等环境变量
常见问题
资料记载的训练成本是多少?
资料记载用 8 个 A100 GPU 训练 30 分钟,成本 2.62 USD。
开放了什么?
功能列表列出完整的开源代码、模型和数据集。
最后评测: 2026-11-15