DeepSeek-R1“思维学”；苹果：原生多模态模型的Scaling Laws

摘要：实验表明，RFT 对特定任务的提升具有很高的数据效率。通过对样本有限的时空感知目标进行多任务 RFT，他们开发出了视频 MLLM——VideoChat-R1，其在不牺牲聊天能力的前提下，在时空感知任务上实现了 SOTA，同时展现了时空推理能力。与 Qwen2.

实验表明，RFT 对特定任务的提升具有很高的数据效率。通过对样本有限的时空感知目标进行多任务 RFT，他们开发出了视频 MLLM——VideoChat-R1，其在不牺牲聊天能力的前提下，在时空感知任务上实现了 SOTA，同时展现了时空推理能力。与 Qwen2.5-VL-7B 相比，VideoChat-R1 在时间接地（+31.8）和物体跟踪（+31.2）等任务上的性能提高了数倍。此外，它还提高了通用问答基准的性能，如 VideoMME（+0.9）、MVBench（+1.0）和 Perception Test（+0.9）。这一研究结果凸显了 RFT 在增强视频 MLLM 的专业任务方面的潜力。论文链接：https://arxiv.org/abs/2504.06958整理：学术君如需转载或投稿，请直接在公众号内留言原标题：《DeepSeek-R1“思维学”；苹果：原生多模态模型的Scaling Laws｜今日热门论文》

来源：用心教育

标签：模态论文模态模型 laws scalinglaws

本文地址：http://news.43b.com.cn/a/1217658.html

免责声明：本站系转载，并不代表本网赞同其观点和对其真实性负责。如涉及作品内容、版权和其它问题，请在30日内与本站联系，我们将在第一时间删除内容!