R1-Onevisionデータセットは、浙江大学によって2025年にリリースされました。これは、モデルに高度なマルチモーダル推論機能を与えることを目的としています。関連するブログは「R1-Onevision：推論能力を備えたオープンソースのマルチモーダル大規模言語モデル「」。自然の風景、科学、数学の問題、OCR ベースのコンテンツ、複雑な図表など、複数の領域で豊富なコンテキスト認識型推論タスクを可能にすることで、視覚的理解とテキスト理解の間のギャップを埋めます。

引用

このコードが研究に役立つ場合は、以下のBibTeXエントリをご利用ください。 パイソン @article{yang2025r1onevision, タイトル={R1-Onevision: クロスモーダル形式化による一般化マルチモーダル推論の推進}、 author={Yi Yang、Xiaoxuan He、Hongkun Pan、Xyan Jiang、Yan Deng、Xingtao Yang、Haoyu Lu、Dachen ying、Fengyun Rao、Minfeng Zhu、Bo Zhang、Wei Chen}、 ジャーナル={arXivプレプリント arXiv:2503.10615}、 年={2025}、 }