Der R1-Onevision-Datensatz wurde 2025 von der Zhejiang-Universität veröffentlicht, mit dem Ziel, dem Modell erweiterte multimodale Argumentationsfähigkeiten zu verleihen. Der entsprechende Blog ist „R1-Onevision: Open-Source-multimodales Großsprachenmodell mit Schlussfolgerungsfähigkeit". Es schließt die Lücke zwischen visuellem und textuellem Verständnis, indem es umfangreiche, kontextbezogene Denkaufgaben in mehreren Bereichen ermöglicht, darunter Naturszenen, Wissenschaft, mathematische Probleme, OCR-basierte Inhalte und komplexe Diagramme.

Zitat

Falls Sie diesen Code für Ihre Forschung nützlich finden, verwenden Sie bitte den folgenden BibTeX-Eintrag. Python @article{yang2025r1onevision, title={R1-Onevision: Weiterentwicklung des verallgemeinerten multimodalen Schließens durch crossmodale Formalisierung}, Autor={Yi Yang und Xiaoxuan He und Hongkun Pan und Xiyan Jiang und Yan Deng und Xingtao Yang und Haoyu Lu und Dacheng Yin und Fengyun Rao und Minfeng Zhu und Bo Zhang und Wei Chen}, journal={arXiv preprint arXiv:2503.10615}, Jahr={2025}, }