IXThinker·2025-04-01 10:00

OPPO 研究院聯手港科廣 提出多模態泛化推理技術

OPPO 研究院與港科廣科研人員提出 OThink-MR1，把強化學習擴展至多模態語言模型，以動態強化學習提升泛化推理能力，令多模態大模型更好地應對複雜任務與新場景。

現狀與短板

多模態大模型能處理多種輸入並生成輸出，但一遇複雜推理任務表現往往不佳。目前大多數模型訓練採用監督微調 SFT，如同老師劃重點讓學生按固定模式學習，特定任務表現不錯，卻難以培養關鍵的泛化能力。