MM-Eureka：极少数据实现多模态推理的R1-Zero时刻

研究人员提出多模态学科推理模型MM-Eureka，成功复现DeepSeek-R1的关键特性。通过高效的数据筛选与极简强化学习设计，仅用54K图文数据训练，性能超越使用1M数据的MPO模型；在预训练模型上，8K数据即超16.3M数据的SFT模型。该成果开源数据、代码与模型，助力多模态推理发展。
来源：https://mp.weixin.qq.com/s/9puENe22tBeHBoZtOv0KRg