Vero-600k est un ensemble de données de renforcement visuel multimodal et multitâche publié par l'équipe zlab de l'Université de Princeton en 2026, dont les résultats de recherche associés sont présentés dans l'article « Vero: Scaling Multi-Task Visual Reinforcement Learning », visant à entraîner et évaluer le renforcement par raisonnement visuel multitâche pour les modèles de langage visuel.

Cet ensemble de données intègre 59 sous-ensembles de données, couvrant six catégories de raisonnement visuel : raisonnement STEM, graphiques et OCR, raisonnement et action spatiale, connaissances et reconnaissance, localisation et comptage visuels, ainsi que description d'images et suivi d'instructions, totalisant 600 000 échantillons texte-image pour le renforcement.

Citation

@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},
}