【第261期】LMM-R1: Reasoning Enhancement for LMM

Seventy3：借助NotebookLM的能力进行论文解读，专注人工智能、大模型、机器人算法方向，让大家跟着AI一起进步。

今天的主题是：

LMM-R1: Empowering 3B LMMs with Strong Reasoning Abilities Through Two-Stage Rule-Based RL

Summary

本研究提出了一个名为 LMM-R1 的框架，旨在通过一种新颖的两阶段规则奖励强化学习方法提升大型多模态模型 (LMM) 的推理能力，即使是参数量有限的小型模型也不例外。 第一阶段侧重于利用大量的文本数据加强基础推理能力，而无需昂贵的多模态数据收集。 第二阶段则将这些提升后的推理能力泛化到各种多模态任务和代理相关应用中，通过在相关领域的持续训练来实现。 结果表明，文本基础推理能力的增强能有效地推广到多模态领域，为训练推理能力强的 LMMs 提供了一种数据高效的范式。

原文链接：https://arxiv.org/abs/2503.07536