💡
原文中文，约2000字，阅读约需5分钟。
📝
内容提要
刘壮和陈丹琦团队推出了开源视觉推理强化学习框架Vero，支持多种视觉任务，克服了单一任务训练的局限性。Vero通过600K高质量样本和任务路由奖励机制，在多项基准测试中超越现有模型，展示了广泛数据对视觉推理的促进作用。
🎯
关键要点
-
刘壮和陈丹琦团队推出了开源视觉推理强化学习框架Vero。
-
Vero支持多种视觉任务，克服了单一任务训练的局限性。
-
Vero通过600K高质量样本和任务路由奖励机制，在多项基准测试中超越现有模型。
-
Vero的训练数据集包含60万高质量样本，分为六类。
-
任务路由奖励机制根据任务类型自动计算奖励，提升模型性能。
-
Vero通过单阶段强化学习激发基础模型的通用视觉推理能力。
-
研究团队的消融实验表明，广泛的数据覆盖是视觉推理强化学习的主要驱动力。
-
Vero的所有数据、代码、模型均已开源，促进了学术界与工业界的合作。
❓
延伸问答
Vero框架的主要功能是什么？
Vero框架支持多种视觉任务，克服了单一任务训练的局限性。
Vero是如何提升视觉推理模型性能的？
Vero通过600K高质量样本和任务路由奖励机制，在多项基准测试中超越现有模型。
Vero的数据集包含哪些类型的样本？
Vero的数据集包含六类样本：图表与OCR、STEM、空间与动作、知识与识别、定位、计数与搜索、描述与指令遵循。
任务路由奖励机制的作用是什么？
任务路由奖励机制根据任务类型自动计算奖励，提升模型在不同任务上的表现。
Vero框架的开源情况如何？
Vero的所有数据、代码、模型均已开源，促进了学术界与工业界的合作。
Vero在基准测试中的表现如何？
基于Vero训练的模型在30个基准测试中的23项上超越了经过专门微调的Qwen3-VL-8B-Thinking。
➡️
