提出Vero——一种完全开源的强化学习(RL)训练方法,构建覆盖六类视觉推理任务的600K样本数据集Vero-600K及任务路由奖励机制,在30个基准测试组成的VeroEval上实现SOTA性能,平均超越四个基线模型3.7–5.5分,且无需专有数据或分阶段训练。
机构:普林斯顿
来源:arXiv 2604.04917 | AI4Papers 论文推荐平台