VLM-R1:R1风格视觉语言模型训练框架
基于GRPO强化学习训练R1风格视觉语言模型的代码库,支持指代表达理解、开放词汇检测等任务,提供全量微调、LoRA、多节点训练等能力。
VLM-R1是一个R1风格大型视觉语言模型的训练与研究代码库,围绕指代表达理解(REC)等任务,用GRPO强化学习与SFT对比训练Qwen2.5-VL等模型,报告称RL方式在域外数据上泛化更好。仓库支持GRPO全量微调、冻结视觉模块、LoRA微调、多节点训练、多图输入,并可接入自定义数据与QwenVL、InternVL等模型。已发布REC、OVD(开放词汇检测)与Math等模型权重及演示。