VLM-R1 VLM-R1是浙江大学Om AI Lab推出的一款视觉语言模型，采用强化学习技术。该模型可以根据自然语言指令精确定位图像中的目标物体，例如根据描述"图中红色的杯子"找到对应图像区域。VLM-R1建立在Qwen2.5-VL架构基础上，结合了DeepSeek的R1方法，通过强化学习优化与监督微调（SFT... AI工具箱9个月前
