papers.description
Jüngste Fortschritte bei großen Reasoning-Modellen haben das zunehmende Interesse geweckt, solche Fähigkeiten auf multimodale Domänen auszudehnen. Trotz bemerkenswerter Fortschritte im Bereich des visuellen Reasonings bleibt der Mangel an transparenter und reproduzierbarer Datenkuratierung und Trainingsstrategien ein wesentliches Hindernis für skalierbare Forschung. In dieser Arbeit stellen wir OpenMMReasoner vor, ein vollständig transparentes zweistufiges Rezept für multimodales Reasoning, das überwachtes Fein-Tuning (SFT) und Reinforcement Learning (RL) umfasst. In der SFT-Phase konstruieren wir einen Cold-Start-Datensatz mit 874.000 Proben, der durch eine rigorose schrittweise Validierung gestützt wird und eine solide Grundlage für Reasoning-Fähigkeiten bietet. Die anschließende RL-Phase nutzt einen 74.000 Proben umfassenden Datensatz aus verschiedenen Domänen, um diese Fähigkeiten weiter zu schärfen und zu stabilisieren, was zu einem robusteren und effizienteren Lernprozess führt. Umfangreiche Evaluierungen zeigen, dass unser Trainingsrezept nicht nur starke Baselines übertrifft, sondern auch die entscheidende Rolle der Datenqualität und des Trainingsdesigns bei der Gestaltung der multimodalen Reasoning-Leistung hervorhebt. Bemerkenswerterweise erzielt unsere Methode eine Verbesserung von 11,6 % gegenüber der Qwen2.5-VL-7B-Instruct-Baseline über neun multimodale Reasoning-Benchmarks hinweg und legt damit eine solide empirische Grundlage für zukünftige groß angelegte multimodale Reasoning-Forschung. Wir haben alle unsere Codes, Pipelines und Daten unter https://github.com/EvolvingLMMs-Lab/OpenMMReasoner quelloffen zur Verfügung gestellt.