VLM-R1

Q: 数据路径怎么写多个？

README 注明 data_file_paths 与 image_folders 均可传多个，用冒号 ＂:＂ 分隔。

用强化学习让视觉模型学会推理，少数据也能提升定位精度。

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署开源模型 🍴 复刻 384 🐛 待处理 165 👀 关注 43

GitHub ↗

GitHub 星标 ★ 6045

维护状态低维护

是否开源开源

定价模式 🏷️完全免费开源模型，Apache-2.0许可，可自由使用和部署，无收费计划。

项目预览

项目数据

分类开源模型

开发团队om-ai-lab

GitHubhttps://github.com/om-ai-lab/VLM-R1

定价模式🏷️完全免费

价格说明开源模型，Apache-2.0许可，可自由使用和部署，无收费计划。

访问状态🔧 仅开源项目，无在线服务，需自行部署

是否开源是

开源协议Apache-2.0

主要语言Python

技术栈/模型deepseek-r1,grpo,llm,multimodal,multimodal-r1,qwen,r1-zero,reinforcement-learning,vlm,vlm-r1

GitHub 星标★ 6045

上线时间2025-02-06 00:00:00

代码更新2026-07-07

仓库体积50.2 MB

本站数据更新2026-11-10

维护状态低维护

收录时间2026-08-09

浏览次数9

项目介绍

VLM-R1 是一个将强化学习（RL）应用于视觉语言模型（VLM）的开源项目，旨在提升模型在视觉理解任务中的推理能力。它基于 DeepSeek-R1 的 RL 训练范式，通过可验证的奖励（如目标检测的 IoU 和 Grounding 任务的准确率）来优化模型，而非依赖传统的 SFT 或人工反馈。项目解决了纯监督微调在视觉推理中泛化不足的问题，核心能力包括：支持多种 VLM 架构（如 Qwen2-VL）、提供完整的 RL 训练流程（数据、奖励函数、训练脚本）、以及针对目标定位（Grounding）等任务的显著性能提升。该项目为社区提供了将 RL 引入多模态推理的参考实现，并展示了在少量训练步数下即可超越 SFT 基线的效果。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 6045

技术标签

deepseek-r1 grpo llm multimodal qwen

使用教程

ℹ 本教程由 AI 依据该项目 README 整理，个别步骤可能需要按你的环境微调。

难度：进阶约 30 分钟部署方式：本地安装 5 步

环境要求

Linux 环境，具备 conda 包管理工具
Python 3.10（README 指定）
支持多卡并行的 GPU 环境（示例使用 8 卡 torchrun）
准备好用于训练的 jsonl 数据文件与对应图片目录

安装与启动步骤

1创建 conda 环境

用 Python 3.10 新建名为 vlm-r1 的独立环境，避免与系统 Python 冲突。
```
conda create -n vlm-r1 python=3.10
```
2激活环境

进入刚创建的环境后，后续所有安装与训练命令都在该环境中执行。
```
conda activate vlm-r1
```
3执行安装脚本

在项目根目录运行 setup.sh 完成依赖安装；需先克隆仓库并 cd 进入项目目录。
```
bash setup.sh
```
4准备训练数据

按 README 使用 jsonl 格式数据文件，并准备对应图片文件夹；多个路径用冒号分隔。

5启动 GRPO 训练

参照 run_grpo_rec.sh 示例，用 torchrun 启动 grpo_jsonl.py；把模型、数据、图片路径替换成自己的实际值。

torchrun --nproc_per_node="8" \
    --nnodes="1" \
    --node_rank="0" \
    --master_addr="127.0.0.1" \
    --master_port="12345" \
  src/open_r1/grpo_jsonl.py \
    --output_dir output/$RUN_NAME \
    --model_name_or_path Qwen/Qwen2.5-VL-3B-Instruct \
    --deepspeed ${REPO_HOME}/src/open-r1-multimodal/local_scripts/zero3.json \
    --data_file_paths /path/to/your/data.jsonl \
    --image_folders /path/to/your/image/folder

关键配置

配置项	必填	说明	示例
`model_name_or_path`	是	指定要训练的基础 VLM 模型	`Qwen/Qwen2.5-VL-3B-Instruct`
`data_file_paths`	是	训练数据 jsonl 路径，多个用冒号分隔	`/path/to/your/data.jsonl`
`image_folders`	是	图片所在目录，多个用冒号分隔	`/path/to/your/image/folder`
`output_dir`	是	训练输出目录	`output/$RUN_NAME`
`deepspeed`	是	DeepSpeed 配置文件路径	`${REPO_HOME}/src/open-r1-multimodal/local_scripts/zero3.json`
`master_port`	否	分布式训练通信端口	`12345`