注册    登录
专栏名称: 黄建同学
数码博主 超话主持人（ChatGPT超话） 头条文章作者 我的学习笔记，关注AI+新能源
今天看啥
微信公众号rss订阅, 微信rss, 稳定的RSS源
目录
相关文章推荐
硅星GenAI  ·  无需Attention的未来，RWKV-7能 ... ·  9 小时前  
硅星GenAI  ·  无需Attention的未来，RWKV-7能 ... ·  9 小时前  
黄建同学  ·  当Gemini 2.0 ... ·  昨天  
爱可可-爱生活  ·  [LG]《A Multi-Power ... ·  昨天  
机器之心  ·  揭秘DeepSeek ... ·  2 天前  
CloudMan  ·  网文校对系统 - 新方案 ·  3 天前  
今天看啥  ›  专栏  ›  黄建同学

这个开源的 R1-V 厉害了！2B模型仅用 100 个训练步就超-20250207073409

黄建同学  · 微博  · AI  · 2025-02-07 07:34
    

文章预览

2025-02-07 07:34 本条微博链接 这个开源的 R1-V 厉害了！2B模型仅用 100 个训练步就超越了 72B，成本不到 3 美元。 项目使用具有可验证奖励的 RL 来激励 VLM 学习一般计数能力。 —— R1-V：以不到 3 美元的成本增强视觉语言模型的超泛化能力 1. 我们首先揭示，对于视觉语言模型，可验证奖励的强化学习 (RLVR)在有效性和分布外 (OOD)稳健性方面均优于思路链监督微调 (CoT-SFT) 。 2. 在我们的实验中，我们激励VLM 学习可泛化的视觉计 ………………………………

原文地址：访问原文地址
快照地址： 访问文章快照
总结与预览地址：访问总结与预览
推荐文章
硅星GenAI  ·  无需Attention的未来，RWKV-7能成为替代Transformer的那只黑天鹅吗？
9 小时前
硅星GenAI  ·  无需Attention的未来，RWKV-7能成为替代Transformer的那只黑天鹅吗？
9 小时前
黄建同学  ·  当Gemini 2.0 与机器人结合后↓Google DeepM-20250323184023
昨天
爱可可-爱生活  ·  [LG]《A Multi-Power Law for Loss -20250323055102
昨天
机器之心  ·  揭秘DeepSeek R1-Zero训练方式，GRPO还有极简改进方案
2 天前
CloudMan  ·  网文校对系统 - 新方案
3 天前
智能座舱与自动驾驶  ·  【福利 】4个高质量的资源库（内含专属优惠通道）
7 月前
瑞恩资本RyanbenCapital  ·  胡憬，获委任「申万宏源香港」经营管理委员会成员、首席风险官
7 月前
能源新媒  ·  智慧云脑 新质登场丨见证储能升维时刻！晶澳科技“星云”系列新品震撼发布
4 月前
低空经济时代  ·  发力低空经济！深圳、山东、上海一区又有政策新动向
4 月前
浪潮工作室  ·  这届双十一，年轻人围观国货玩抽象
4 月前
关于   移动版   ·   Py中国   ·   RSS之家   ·   CodingPro   ·   Code   ·   Link之家   ·   卧龙AI搜索   ·   小百科   ·   51好读   ·   小百科（海外）   ·   Link管理
今天看啥 - 微信公众号rss订阅, 微信rss, 稳定的RSS源
© 2024 ~ 沪ICP备11025650号