上海AILab与上交大MM-Eureka模型发布

最近发现不少小伙伴都对科技周边很感兴趣，所以今天继续给大家介绍科技周边相关的知识，本文《上海AI Lab与上交大联合推出MM-Eureka多模态推理模型》主要内容涉及到等等知识点，希望能帮到你！当然如果阅读本文时存在不同想法，可以在评论中表达，但是请勿使用过激的措辞~

MM-Eureka：一款高效的多模态推理模型

MM-Eureka是由上海人工智能实验室、上海创智学院、上海交通大学和香港大学联合研发的多模态推理模型。它巧妙地将单模态推理中的关键特性（例如，稳定的答案长度增长、准确性奖励和“顿悟”时刻）扩展到多模态领域，其核心技术在于基于规则的大规模强化学习（RL）。

该模型包含两个主要版本：MM-Eureka-8B 和 MM-Eureka-Zero-38B，分别基于InternVL2.5-Instruct-8B 和 InternVL2.5-Pretrained-38B。令人瞩目的是，MM-Eureka仅需54K图文数据进行规则型强化学习训练，其平均性能就超越了使用1M数据的MPO模型。更进一步，MM-Eureka-Zero-38B 仅用8K图文数学推理数据，在自定义的K12基准测试中便超越指令模型8.2%，并在MathVerse上展现出相当的性能。

核心功能与技术优势：

• 强大的多模态推理能力： MM-Eureka能够高效地处理文本和图像信息，进行复杂的推理。
• 数据效率极高： 相比其他模型，MM-Eureka在训练数据需求上显著降低，大幅提升了资源利用率。
• 基于规则的强化学习框架： 该模型采用基于OpenRLHF开发的高效可扩展多模态大规模强化学习框架，支持多种模型和算法。
• “视觉顿悟”机制： 模型具备类似于人类的“顿悟”能力，能够反思和回溯，重新审视图像中的关键信息。
• 稳定的强化学习训练： 通过精心设计的数据过滤策略，确保了强化学习训练的稳定性。

技术细节：

MM-Eureka的核心在于其基于规则的大规模强化学习框架，该框架能够有效地将文本RL系统的关键特性迁移到多模态环境中。 研究团队发现数据选择对RL训练至关重要，因此采用了基于难度的过滤策略。 此外，模型采用了简洁的奖励函数（例如，准确性和格式奖励），并避免了KL散度等可能限制模型探索的因素。

应用前景：

MM-Eureka的强大多模态推理能力使其在多个领域具有广泛的应用前景，包括：

• 教育： 辅助学生理解和解决复杂的数学问题。
• AR/VR： 提供更沉浸式和交互式的用户体验。
• 数据分析与决策支持： 从复杂的图文数据中提取关键信息，辅助决策。
• 智能助手： 提升智能助手的交互能力和智能水平。
• 游戏与娱乐： 开发更智能的NPC和交互式剧情。

项目信息：

• Github仓库： http://github.com/ModalMinds/MM-EUREKA
• arXiv技术论文： http://arxiv.org/pdf/2503.07365

总而言之，MM-Eureka凭借其高效的训练方法和强大的多模态推理能力，有望在多个领域带来突破性的进展。

好了，本文到此结束，带大家了解了《上海AILab与上交大MM-Eureka模型发布》，希望本文对你有所帮助！关注golang学习网公众号，给大家分享更多科技周边知识！