OPPO研究院与港科广提出的OThink-MR1技术，通过动态强化学习提升多模态模型的推理能力。该技术利用动态KL散度策略和奖励模型，优化学习效率，实验结果显示其在复杂任务中表现优异，为多模态语言模型的发展开辟新方向。

本研究提出ODRL基准，旨在解决动态强化学习方法评估的难题。该基准结合多种实验设置，全面评估算法的适应性，发现现有方法在不同动态环境下未能展现普遍优势，为未来研究提供参考。