Vero-600k は、プリンストン大学 zlab チームが2026年に公開したマルチモーダル・マルチタスク視覚強化学習データセットであり、関連論文は「Vero: Scaling Multi-Task Visual Reinforcement Learning」として発表されています。視覚言語モデル向けのマルチタスク視覚推論の強化学習トレーニングと評価を目的としています。

本データセットは59のサブデータセットを統合し、STEM推論、チャート・OCR、空間推論とアクション、知識と認識、視覚的位置特定とカウンティング、画像キャプションと指示追従の6つの視覚推論カテゴリをカバーし、合計60万件の強化学習用画像テキストサンプルを含みます。

引用

@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},
}