仅需一个强化学习（RL）框架开云(中国登录入口)Kaiyun·体育官方网站，就能已矣视觉任务大协调？

现存 RL 对推理和感知任务只可二选一，但"大模子六小强"之一MiniMax示意：我十足要！

最新开源V-Triune（视觉三重协调强化学习系统）框架，使 VLM初次粗略在单个后检修过程中，合股学习和掌持视觉推理和感知任务。

通过三层组件想象和基于动态交并比（IoU）的奖励机制，弥补了传统 RL 规范无法兼顾多重担务的空缺。

致使基于 V-Triune，MiniMax 还一步到位，贴心肠给大家开导了全新的Orsta（One RL to See Them All）模子系列（7B 至 32B），在 MEGA-Bench Core 基准测试中从 +2.1% 显耀援助至 +14.1%。

值得细心的是，在论文的作家一栏，MiniMax 首创东谈主兼 CEO闫俊杰也参与了这项究诘。

现在 V-Triune 框架和 Orsta 模子都在 GitHub 上已矣全面开源，点击文末贯串即可跳转一键获得。

那话未几说，我们平直上细节。

推理感知"两手抓"

视觉任务不错分为推理和感知两类，在面前，RL 究诘主要邻接于数学 QA 和科学 QA 等视觉推理任务。

而方向检测和定位等视觉感知任务，因亟需独有的奖励想象和检修富厚性保险，还莫得得到一个很好的处置有野心……

针对上述问题，MiniMax 针对性地建议了新框架V-Triune，算作首个面向 VLM 后检修的协调 RL 系统，通过三个互补组件中枢机密已矣二者的均衡。

样本级数据体式化

让每个样本自界说其奖励成立和考据器，撑持动态路由和权重调养，以处理多种任务需求。

数据形态基于 HuggingFace 数据集已矣，包含以下三个字段：

reward_model：样本级界说奖励类型、权重。

verifier：指定考据器过甚参数。

data_source：记号样蓝本源。

最终已矣了种种化数据集的无缝集成，同期撑持高度纯简直奖励截止。

考据器级奖励筹备

秉承异步客户端 - 做事器架构，将奖励筹备与主检修轮回解耦。

客户端通过代理责任器异步发送肯求，而做事器则证据" verifier "字段路由至专用考据器。

主要使用两类考据器：

MathVerifyVerifierr：处理推理、OCR 和计数任务。

DetectionVerifier：处理检测和定位任务，诈欺动态 IoU 奖励。

从而已矣在无需修改中枢检修过程的情况下，纯真扩张新任务或更新奖励逻辑。

数据源级野心监控

在多任务多源检修中，按数据源记载以下野心：

奖励值：追踪数据集特定富厚性。

IoU 和 mAP（感知任务）：记载不同阈值下的 IoU 和 mAP。

反映长度和反念念率：追踪反映长度漫步、截断率，以及 15 个预界说反念念词（如" re-check "）的出现比例。

该监控机制匡助会诊模子活动（如过度念念考或简便反映），并确保学习的富厚性。

动态 IoU 奖励

此外针对监测和定位任务，团队还革命性地建议了动态 IoU 奖励，分阶段调养阈值，以缓解冷启动问题，同期携带模子迟缓援助定位精度：

脱手 10% 检修要领：

10%-25% 检修要领：

剩余检修要领：

诚然 V-Triune 提供了可扩张的数据、任务和野心框架，但早期施行走漏，合股检修可能会导致评估性能下落、梯度范数突增等不富厚风物，于是团队又通过以下调养迟缓处置：

冻结 ViT 参数，驻守梯度爆炸。

过滤伪图像非凡词元，确保输入特征对王人，援助检修富厚性。

构建迅速化 CoT 领导池，缩短领导依赖性。

由于 V-Triune 基于 Verl 框架已矣，主节点内存压力较大，需解耦测试阶段与主检修轮回以经管内存。

Orsta 模子

另外值得一提的是，基于开源的 Qwen2.5-VL 模子，团队还检修出7B 和 32B 的 Orsta 模子。

依据 4 类推理任务（数学、谜题、科学、图表分析）和 4 类感知任务（物体检测、方向定位、计数、OCR）的检修数据，进行规章和难度的两阶段过滤和检修优化。

最终已矣在 MEGA-Bench Core 基准测试中，Orsta 比拟原始模子援助至+14.1%，尤其是在感知任务中，mAP 野心显耀提高，阐明了该协调规范的灵验性和可扩张性。

MiniMax 布局多模态领域

MiniMax 算作商汤布景诞生的 AI 六小龙之一，近期在多模态领域可谓动作常常，模子横跨讲话、音频、视频。

举例 MiniMax 的 S2V-01 视频模子、MiniMax-VL-01 视觉多模态模子以及 MiniMax-T2A-01 系列讲话模子等。

尤其是广受好评的MiniMax-01系列，包含基础讲话模子和视觉多模态模子两种，性能上并列 DeepSeek-V3、GPT-4o 等国表里顶尖模子的同期，还初次革命性已矣了对新式Lightning Attention 架构的大鸿沟扩张。

最新发布的Speech-02，在 AI 讲话生成上亦然一骑绝尘，平直刷新全球泰斗语音基准测试榜单第一，一举突破 OpenAI、ElevenLabs 的行业把持。

同期，据 MiniMax 高档究诘总监钟欢然同量子位访谈时所说：

MiniMax 将会进一步探索多模态架构革命，即原生的生成清醒协调大模子的架构。

而今天这个协调视觉任务的 RL 架构也许只是是一个脱手。

论文贯串：https://arxiv.org/abs/2505.18129

代码贯串：https://github.com/MiniMax-AI/One-RL-to-See-Them-All

参考贯串：

[ 1 ] https://x.com/MiniMax__AI/status/1926949919228600423

[ 2 ] https://huggingface.co/papers/2505.18129

—  完  —

� �  量子位 AI 主题筹备正在征邻接！宽待参与专题365 行 AI 落地有野心，一千零一个 AI 诈欺，或与我们共享你在寻找的 AI 居品，或发现的AI 新动向。

� � 也宽待你加入量子位逐日 AI 通常群，一王人来畅聊 AI 吧～

一键关怀 � � 点亮星标

科技前沿弘扬逐日见

一键三连「点赞」「转发」「戒备心」

宽待在指摘区留住你的概念！开云(中国登录入口)Kaiyun·体育官方网站