IT之家 3月11日消息，隨着DeepSeek R1的推出，強化學習在大模型領域的潛力被進一步挖掘。Reinforcement Learning with Verifiable Reward（RLVR）方法的出現，爲多模態任務提供了全新的優化思路，無論是幾何推理、視覺計數，還是經典圖像分類和物體檢測任務，RLVR都展現出了顯著優於傳統監督微調（SFT）的效果。

然而，現有研究多聚焦於Image-Text多模態任務，尚未涉足更復雜的全模態場景。基於此，通義實驗室團隊探索了RLVR與視頻全模態模型的結合，於今日宣佈開源R1-Omni模型。

R1-Omni的一大亮點在於其透明性（推理能力）。通過RLVR方法，音頻信息和視頻信息在模型中的作用變得更加清晰可見。

比如，在情緒識別任務中，R1-Omni能夠明確展示哪些模態信息對特定情緒的判斷起到了關鍵作用。

爲了驗證 R1-Omni 的性能，通義實驗室團隊將其與原始的 HumanOmni-0.5B 模型、冷啓動階段的模型以及在 MAFW 和 DFEW 數據集上有監督微調的模型進行了對比。

實驗結果顯示，在同分布測試集（DFEW 和 MAFW）上，R1-Omni相較於原始基線模型平均提升超過35%，相較於SFT模型在UAR上的提升高達10%以上。在不同分佈測試集（RAVDESS）上，R1-Omni同樣展現了卓越的泛化能力，WAR和UAR均提升超過13%。這些結果充分證明了RLVR在提升推理能力和泛化性能上的顯著優勢。

IT之家附R1-Omni開源地址：

論文：https://arxiv.org/abs/2503.05379

Github：https://github.com/HumanMLLM/R1-Omni

模型：https://www.modelscope.cn/models/iic/R1-Omni-0.5B