可验证奖励强化学习

阿里通义实验室薄列峰团队首次将RLVR应用于包含音频、动态视觉内容的全模态LLM，聚焦情感识别任务。研究发现模型在分布内和分布外数据集上均有显著提升，并能清晰分析不同模态的作用，目前这些模型已开源。