全球首次！2B复现DeepSeek-R1「啊哈时刻」，UCLA等用纯RL实现多模态推理

文章预览

   新智元报道   编辑：编辑部 HNZ 【新智元导读】 由UCLA等机构共同组建的研究团队，全球首次在20亿参数非SFT模型上，成功实现了多模态推理的DeepSeek-R1「啊哈时刻」！ 就在刚刚，我们在未经监督微调的2B模型上，见证了基于DeepSeek-R1-Zero方法的视觉推理「啊哈时刻」！ 这一成就，再次让AI社区轰动。 博客地址： https://turningpointai.notion.site/the-multimodal-aha-moment-on-2b-model 开源项目： https://github.com/turningpoint-ai/VisualThinker-R1-Zero DeepSeek-R1的独特推理能力，能成功扩展到多模态推理领域吗？ UCLA等机构的研究者发现，虽然目前已经涌现出许多试图复现DeepSeek-R1的研究，然而这些研究大多遭遇了这个难点：很难复现出R1所表现出的回答长度增加和思考模式。 幸运的是，他们成功了！如同DeepSeek-R1论文所描述的那样，多模态的「啊哈时刻」出现了——模型回答中 ………………………………