Vero-600k ist ein von dem zlab-Team der Princeton University im Jahr 2026 veröffentlichter multimodaler, multitasking-fähiger Datensatz für visuelles Reinforcement Learning. Die zugehörige Forschungsarbeit trägt den Titel „Vero: Scaling Multi-Task Visual Reinforcement Learning" und zielt darauf ab, Training und Evaluierung von Reinforcement Learning für multimodales visuelles Denken in visuell-sprachlichen Modellen zu unterstützen.

Der Datensatz integriert 59 Unterdatensätze und deckt sechs Kategorien visuellen Denkens ab: STEM-Denken, Diagramme und OCR, räumliches Denken und Handlungen, Wissen und Erkennung, visuelle Lokalisierung und Zählung sowie Bildbeschreibung und Anweisungsbefolgung – insgesamt 600.000 Bild-Text-Beispiele für Reinforcement Learning.

Zitation

@article{sarch2026vero,
  title = {Vero: An Open RL Recipe for General Visual Reasoning},
  author = {Sarch, Gabriel and Cai, Linrong and Wang, Qunzhong and Wu, Haoyang and Danqi Chen and Zhuang Liu},
  year = {2026},
  journal = {arXiv preprint arXiv:2604.04917},
}