Osilly

[ICLR2026] MLLM に対して R1 ライクな強化学習を効果的に活用する方法を探求した初の論文であり、コールドスタート初期化と強化学習トレーニングを活用して推論能力を引き出す推論型 MLLM「Vision-R1」を導入します。

[ICML 2026 & EMNLP 2026] マルチモーダルなディープリサーチ MLLM およびベンチマーク。推論ターン数を数十回に、検索エンジンのインタラクション数を数百回に拡張した、初のエンドツーエンドの長期的マルチモーダルディープリサーチ MLLM