今天是2025年02月20日，星期四，北京，天气晴。
我们来看看一些基本的认知，供大家一起参考。
我们今天先说一个比较有趣的事情。
一个是最近看到一个特别不可思议的事情，就是老刘说NLP 社区何德何能竟然会被xx搬运，例如这个账号：知乎号(跑的快木子)是https://www.zhihu.com/people/46-2-5-84/posts；
csdn号（木子乔乔）是https://blog.csdn.net/weixin_44975687，竟然会直接把早报发出去，将其搬运到自己的播客里面，并谓之为原创，搞笑的是，一个字也不改。。。。这是毫无xx可言的，严重损害了社区和成员的权益。所以，欢迎大家前去举报，将其受到应有处理，不可太xxx。
但是呢，也并不清楚，这个人后期还想干什么，欢迎大家前去举报。
问题归问题，我们还是继续看对应的技术问题，关于R1用在多模态的一些结合进展。
专题化，体系化，会有更多深度思考。大家一起加油。
一、R1用在视频多模态推理
我们来关注R1用在多模态的一些工作，Open-R1-Video(https://github.com/Wang-Xiaodong1899/Open-R1-Video)：为视频理解任务引入R1范式，开源训练代码和数据，用视频、查询和答案，使用GRPO训练，提升模型推理能力。
在数据集上，在视频数据集open-r1-video-4k(https://huggingface.co/datasets/Xiaodong/open-r1-video-4k)上训练。
在模型选型上，使用Qwen2-VL-7B-Instruct；
在训练资源上，使用4块A100（80G）GPU，训练过程中仅使用了视频、查询以及正确答案的标注（即正确答案的字母）；
在训练策略上，采用GRPO（纯粹的强化学习，没有使用带有标签的推理轨迹）来训练模型。
二、R1用在图像多模态推理
当然，在图像处理阶段，类似的项目还有R1-V，open-r1-multimodal，https://github.com/EvolvingLMMs-Lab/open-r1-multimodal。
重点看R1-V 的实现思路。
R1-V: Reinforcing Super Generalization Ability in Vision Language Models with Less Than $3，8个A100 GPU，30分钟完成训练，2B模型在100步训练后，OOD测试性能超越72B模型。Qwen2VL-2B-Instruct: 48.0%；Qwen2VL-2B-Instruct-GRPO-100step: 82.5%，https://github.com/Deep-Agent/R1-V
在数据集构建上，由于R1不是多模态模型，而think又只能进行文字方面的think，所以蒸馏的过程只能是使用image的description信息进行蒸馏。https://github.com/Deep-Agent/R1-V/tree/main/src/distill_r1。
QA Pairs Generation：scene description使用模板组合对象（包含位置、深度等元信息）来创建，保留计数相关的问题，并添加一个How many items are there in the described scene?问题来计数场景中的所有对象。(https://github.com/Deep-Agent/R1-V/blob/main/src/distill_r1/generate_scene_qa_pairs.ipynb)
R1 Response Generation：通过查询SilconFlow得到预测并获得R1的推理轨迹；https://github.com/Deep-Agent/R1-V/blob/main/src/distill_r1/query_r1.py
Reasoning Path Filtering：通过判断R1答案是否正确来过滤掉（几乎）有效的推理痕迹:https://github.com/Deep-Agent/R1-V/blob/main/src/distill_r1/filter_r1.py
在R1数据蒸馏SFT上，使用（蒸馏数据集）https://huggingface.co/datasets/MMInstruction/Clevr_CoGenT_TrainA_R1，https://huggingface.co/datasets/leonardPKU/clevr_cogen_a_train进行微调。
在强化学习方面，使用GRPO进行强化学习，基于Qwen2-VL-2/7B进行GRPO,https://kkgithub.com/Deep-Agent/R1-V/blob/main/src/r1-v/src/open_r1/trainer/vllm_grpo_trainer.py
这些方案，其实都是重点怎么转成文本模态的think，这是核心，大家可以多尝试。
总结
做社区是不容易的，总是会被一些不太理解意图的人做一些不可思议的事情。这种事情很有趣。
回到第一个问题，大家可以前去看看。知乎号(跑的快木子)是https://www.zhihu.com/people/46-2-5-84/posts；
csdn号（木子乔乔）是https://blog.csdn.net/weixin_44975687。
对于第二个问题，大家可以看看对应的技术进展，抓住技术的基本逻辑，会更有决断能力。
大家一起加油。
参考文献
1、https://github.com/Wang-Xiaodong1899/Open-R1-Video
（文：老刘说NLP）