昆仑万维开源Skywork-R1V 2.0版本 视觉与文本推理能力提升

　　4月24日，昆仑万维宣布正式开源其多模态推理模型Skywork-R1V2.0(以下简称R1V2.0)。这一升级版本在视觉与文本推理能力上均实现了显著提升，特别是在高考理科难题的深度推理和通用任务场景中表现出色，堪称当前最均衡兼顾视觉与文本推理能力的开源多模态模型。

　　R1V2.0的开源，不仅是昆仑万维在多模态领域技术实力的体现，也为全球开发者和研究者提供了强大的工具，推动多模态生态建设。该模型在多个权威基准测试中刷新了开源SOTA纪录，展现出与商业闭源模型相媲美的能力。

　　R1V2.0在中文场景下的表现尤为突出，特别是在理科学科题目(数学、物理、化学)的推理效果上，堪称免费AI解题助手。该模型不仅在MMMU上取得73.6分的优异成绩，刷新开源SOTA纪录，还在Olympiad Bench上达到62.6分，显著领先其他开源模型。此外，在MathVision、MMMU-PRO与MathVista等多项视觉推理榜单中，R1V2.0均表现优异，多项能力已可媲美闭源商业模型。

　　在文本推理方面，R1V2.0在AIME2024和LiveCodeBench等挑战中分别取得了78.9分和63.6分，展现出人类专家级数学与代码理解能力。这些成绩表明，R1V2.0不仅在视觉推理上表现出色，在文本推理方面也具备卓越的能力。

　　Skywork-VL Reward模型为多模态强化学习提供了高质量的奖励信号，能够精准评估多模态推理模型长序列输出的整体质量。这一模型在视觉奖励模型评测榜单VL-RewardBench中取得了73.1的SOTA成绩，同时在纯文本奖励模型评测榜单RewardBench中也斩获了高达90.1的优异分数，全面展示了其在多模态和文本任务中的强大泛化能力。

　　MPO机制则通过引入多种损失函数协同优化，解决了大模型训练中“深度推理提升”与“通用能力保持”的难题。R1V2.0借助Skywork-VL Reward提供的偏好信号，引导模型进行偏好一致性优化，从而确保模型在多任务、多领域下具备良好的通用适应能力。此外，R1V2.0在训练深度推理能力时，采用了基于规则的群体相对策略优化GRPO方法，通过同组候选响应之间的相对奖励比较，引导模型学会更精准的选择和推理路径。