DeepSeek-R1带火了RLVR（可验证奖励强化学习），之前已有团队将RLVR应用于图像-文本多模态LLM，证明其在几何推理和视觉计数等任务上表现优异。

模态 开源 同款rlvr deepseek同款 rlvr 2025-03-11 13:52  4