本文へスキップ

R1-V

低費用で視覚計数の汎化力を高める

公式サイトを見る

R1-V とは

本プロジェクトは検証可能な報酬による強化学習で視覚言語モデルの汎化力を高める取り組みと紹介されている。

できること

  • RLVR を視覚計数の課題に用いる
  • 100 ステップで 2B モデルを OOD 試験向けに学習する
  • 公開されたコード・モデル・データセットを使う

導入の手順

  • 保管場所を手元の環境へ複製する
  • 必要な Python のパッケージを導入する
  • DEBUG_MODE や LOG_PATH などの環境変数を設定する
  • torchrun で出力先・モデル・資料群の経路を指定し学習を始める

長所と短所

✓ 良い点

  • 資料は RLVR が CoT-SFT より汎化で優れると記す
  • 複数の学習設定が異なる機材に合う

! 注意したい点

  • 学習には torchrun と各経路の指定が要る
  • DEBUG_MODE などの環境変数が必要

よくある質問

学習費用は?

資料は 8 基の A100 GPU で 30 分、2.62 USD と説明。

何が公開される?

機能一覧はコード・モデル・データセットの一式を挙げる。

最終評価日: 2026-11-15

その他 AIコーディングツール ツール

すべて見る →

評価方法