Vero: An Open RL Recipe for General Visual Reasoning
本文提出了完全开源的 Vero 视觉语言模型系列，通过构建包含 60 万样本的多样化强化学习数据集（Vero-600K）并设计任务路由奖励机制，在无需专有思维数据的情况下实现了跨图表、科学及空间理解等广泛视觉推理任务的最先进性能，证明了广泛的数据覆盖是强化学习扩展的关键驱动力。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
这篇论文介绍了一个名为 Vero 的新项目，它的核心目标是训练出一种**“全能型”的视觉推理模型**。简单来说，就是让 AI 不仅能“看”图，还能像人类专家一样，针对不同类型的图片进行深度思考、分析和解答。
为了让你更容易理解，我们可以把这篇论文的核心内容想象成**“培养一名超级多面手侦探”**的故事。
1. 背景：现在的 AI 侦探有什么缺点？
目前的顶尖 AI（比如某些大公司的私有模型）虽然很聪明，但它们像是**“黑箱”**。我们知道它们能解题，但不知道它们是怎么练出来的。
- 秘密配方：它们使用了私有的、不公开的“特训数据”和“奖励机制”。
- 偏科严重：有些开源的 AI 只擅长做数学题（像只懂算术的会计），有些只擅长找物体（像只懂数数的保安）。如果让一个只懂算术的 AI 去修图或写文案，它就会表现得很糟糕。
Vero 的突破：作者团队决定把“黑箱”打开，用完全公开的方法，训练出一个既懂数学、又懂找东西、还能写文案的“全能侦探”。
2. 核心配方：Vero-600K 数据大杂烩
要培养一个全能侦探，不能只让他练一种技能。作者收集了 60 万个 训练样本，来自 59 个 不同的数据集。
我们可以把这 60 万样本想象成六类不同的“特训营”，每个训练营专门锻炼一种能力：
- STEM 营（科学数学）：像解几何题、看科学图表，锻炼逻辑推理。
- 图表与 OCR 营：像读复杂的财务报表、识别文档里的文字，锻炼信息提取。
- 空间与行动营：像玩 3D 拼图、操作机器人、看 UI 界面，锻炼空间感和操作能力。
- 知识与识别营：像认鸟、认植物、结合常识回答问题，锻炼常识推理。
- 定位与计数营：像数图里有几只猫、指出某个物体在哪里，锻炼精准定位。
- 描述与指令营：像给图片写朋友圈文案、听从复杂指令，锻炼语言生成和对话能力。
关键发现：作者发现，如果只让 AI 在一个训练营里死磕（比如只练数学），它到了其他领域就会“水土不服”，甚至把原本会的东西忘掉。只有让它在六个营里“雨露均沾”地混合训练，它才能成为真正的多面手。
3. 训练方法：聪明的“奖励机制”
在训练过程中，AI 会尝试回答问题，然后需要知道“答得对不对”。
- 以前的做法：就像老师只给数学题打分，不管语文题。
- Vero 的做法（任务路由奖励）：这就像一位**“全能裁判”**。
- 如果 AI 在解数学题，裁判就用“数学公式”来核对答案。
- 如果 AI 在找物体，裁判就用“坐标框”来核对位置。
- 如果 AI 在写文案，裁判就用“大语言模型”来评判文笔通不通顺。
- 关键点：裁判会根据题目类型，自动切换打分规则。这保证了 AI 在每种技能上都能得到正确的反馈，不会“张冠李戴”。
4. 训练成果：青出于蓝
经过这种“混合特训”和“智能打分”后，Vero 模型的表现令人震惊：
- 全面超越：在 30 个不同的测试题中，Vero 的表现超过了目前大多数同体量的开源模型，甚至在很多项目上超过了那些使用了私有数据的商业模型（比如 Qwen3-VL-Thinking）。
- 以小博大：作者甚至用了一个较小的基础模型（8B 参数），通过 Vero 的食谱训练后，打败了原本参数更大、但训练方法较旧的模型。
- 没有副作用：最重要的是，它没有因为练了数学就忘了怎么聊天。相反，它在保持“聊天能力”的同时，大幅提升了“解题能力”。
5. 为什么这很重要？（简单总结）
这就好比以前我们想培养一个全能的运动员，只能偷偷摸摸地用一些不知名的“神秘补剂”（私有数据），而且不知道具体怎么练的。
Vero 做了什么？
它公开了完整的训练食谱（60 万数据 + 混合策略 + 智能打分规则），证明只要**“吃得杂”（数据多样）且“练得对”（奖励机制精准）**，不需要黑箱操作，也能训练出世界级的全能 AI。
一句话总结：
Vero 就像一份公开的“全能侦探养成指南”，它告诉我们：想要 AI 既聪明又全面，不能只盯着数学题练，而要给它看遍世间万物，并用最聪明的方式告诉它哪里做得好。现在，这份指南和所有的训练材料都免费公开了，任何人都可以照着练。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。