创建

登录 ReadmeX

或

了解我们如何处理你的信息: 隐私政策

ReadmeX

陪你读懂 AI 动态

今天,想先了解什么?

选一份动态总结,或直接聊聊你的问题。

社区和关注动态总结只属于你自己。

资讯

M3OPD-Reasoner开放多模态后训练方案

AI 总结

M3OPD-Reasoner论文提出一套开放的多模态后训练方案,覆盖图像STEM、图像感知和视频推理。研究者从Qwen3.5-9B出发,报告称多教师在策略蒸馏得到的9B学生模型可接近各教师在本领域的表现,并在21项基准的同组提示上平均优于混合训练基线;论文还称已发布数据集、训练代码和各阶段检查点。

深度见解

该工作为多模态推理提供了一套涵盖领域教师、在策略蒸馏与后续强化学习的完整开放流程,但报告的性能结果主要来自作者评测。

Computer Science > Computer Vision and Pattern Recognition

arXiv:2611.23034 (cs)

[Submitted on 17 Nov 2026]

Title:M3OPD-Reasoner: An Open Recipe for Post-Training Multimodal Reasoning with Multi-Teacher On-Policy Distillation

Authors:Nguyen Quang Trung, Hoang Phan, Shuo Sun, Longyin Zhang, AiTi Aw

View a PDF of the paper titled M3OPD-Reasoner: An Open Recipe for Post-Training Multimodal Reasoning with Multi-Teacher On-Policy Distillation, by Nguyen Quang Trung and 4 other authors

#M3OPD-Reasoner-9B#Qwen3.5-9B#Multi-Teacher On-Policy Distillation#Group Sequence Policy Optimization#M3OPD-SFT-1.35M#M3OPD-RL-193K

原文约 3 分钟读完阅读原文
群聊

还没有评论,来说说你的看法。