# OThink-MR1 – OPPO联合港科大推出的多模态语言模型优化框架

- Link: https://paooo.com/aigc-news/20573/
- Published: 2026-06-08T11:41:48+08:00
- Author: Prompt 语宙研究院

⚡ [Prompt](https://paooo.com/ai-image-prompts/) 语宙 AI 导读 · 30 秒核心看点

 * 采用动态KL散度策略GRPO-D，强化“先探索、后利用”的训练节奏，提升多模态推理优化效率。
 * 结合奖励模型同时约束准确性与输出格式，在视觉计数、几何推理等任务中增强模型表现。
 * 相较传统监督微调（SFT），OThink-MR1在同任务验证与跨任务泛化中都展现更强优势。

## OThink-MR1是什么

OThink-MR1是OPPO研究院和香港科技大学（广州）联合推出的多模态语言模型优化框架。基于
动态调整Kullback-Leibler（KL）散度策略（GRPO-D）和奖励模型，提升多模态模型在复杂
任务中的泛化推理能力。OThink-MR1在视觉计数和几何推理等多模态任务中表现出色，在同
任务验证中超越传统的监督微调（SFT）方法，在跨任务泛化实验中展现强大的适应性。OThink-
MR1为多模态模型的通用推理能力发展开辟新路径，有望在更多领域发挥重要作用。

阅读目录

 * [OThink-MR1是什么](https://paooo.com/aigc-news/20573/#othinkmr1%e6%98%af%e4%bb%80%e4%b9%88)
 * [OThink-MR1的主要功能](https://paooo.com/aigc-news/20573/#othinkmr1%e7%9a%84%e4%b8%bb%e8%a6%81%e5%8a%9f%e8%83%bd)
 * [OThink-MR1的技术原理](https://paooo.com/aigc-news/20573/#othinkmr1%e7%9a%84%e6%8a%80%e6%9c%af%e5%8e%9f%e7%90%86)
 * [OThink-MR1的项目地址](https://paooo.com/aigc-news/20573/#othinkmr1%e7%9a%84%e9%a1%b9%e7%9b%ae%e5%9c%b0%e5%9d%80)
 * [OThink-MR1的应用场景](https://paooo.com/aigc-news/20573/#othinkmr1%e7%9a%84%e5%ba%94%e7%94%a8%e5%9c%ba%e6%99%af)

![OThink-MR1](https://paooo.com/wp-content/uploads/2026/06/OThink-MR1-website1-1.
avif)

## OThink-MR1的主要功能

 * **提升多模态任务性能**：基于动态强化学习优化模型，显著提高多模态任务（如视觉计数、
   几何推理等）的准确性和泛化能力。
 * **跨任务泛化能力**：让模型在一种多模态任务上训练后，有效迁移到其他不同类型的多
   模态任务，减少对特定任务数据的依赖。
 * **动态平衡探索与利用**：在训练过程中，动态调整探索新策略和用已有经验的平衡，提升
   模型的全局优化能力。
 * **增强模型的推理能力**：基于奖励模型，引导模型生成准确、符合格式要求的输出，提升
   整体推理能力。

## OThink-MR1的技术原理

 * **动态KL散度策略（GRPO-D）**：GRPO-D策略受经典强化学习中的ϵ-greedy策略启发，遵循“
   早期探索，后期利用”的原则。基于动态调整KL散度的权重，平衡模型在训练过程中的探索（
   尝试新策略）和利用（利用已有经验）。在训练初期，KL散度权重较小，鼓励模型进行广泛
   探索；随着训练的进行，权重逐渐增加，引导模型利用积累的经验，避免过早收敛到次优
   解。
 * **奖励模型**：评估模型输出的准确性，例如在视觉计数任务中，模型输出与真实计数的
   匹配程度。确保模型输出符合特定格式要求，例如在几何推理任务中，模型输出的格式是否
   正确。将验证准确性奖励和格式奖励结合起来，为模型提供更全面的反馈，指导其学习过程。
 * **强化学习优化**：基于最大化奖励函数，优化模型的策略，在每个训练步骤中，模型根据
   当前策略生成输出，奖励模型评估输出的质量，模型根据奖励信号调整策略，逐步提升性能。

## OThink-MR1的项目地址

 * **arXiv技术论文**：[https://arxiv.org/pdf/2503.16081](https://arxiv.org/pdf/2503.16081)

## OThink-MR1的应用场景

 * **智能视觉问答**：准确理解图像内容并生成答案，如识别复杂场景中的物体数量。
 * **图像描述生成**：生成丰富且准确的图像描述，提供更详细的视觉信息。
 * **几何问题求解**：分析图像中的几何图形，计算角度、长度等几何属性。
 * **多模态内容审核**：结合图像和文本信息，判断内容是否符合规定，提高审核效率。
 * **虚拟现实与增强现实**：为用户提供智能交互体验，如实时场景解读和导航建议。

❓ 常见问题解答（FAQ）

OThink-MR1是什么框架？

OThink-MR1是OPPO研究院和香港科技大学（广州）联合推出的多模态语言模型优化框架，核心
是通过动态KL散度策略（GRPO-D）和奖励模型，提升模型在复杂多模态任务中的泛化推理能力。

OThink-MR1相比SFT有什么优势？

文章指出，OThink-MR1在视觉计数、几何推理等任务中表现出色，不仅在同任务验证中超越
传统监督微调（SFT），还在跨任务泛化实验中展现更强适应性。

OThink-MR1适合哪些应用场景？

它适用于智能视觉问答、图像描述生成、几何问题求解、多模态内容审核，以及虚拟现实与
增强现实等场景，尤其适合需要图文联合理解和推理的任务。

🔬 语宙深潜追问 · 进阶实操拆解

动态 KL 散度策略适合哪些训练阶段？

更适合中后期对齐阶段，用来平衡新策略探索和旧策略稳定性。前期先用监督信号打底，后期
再通过动态 KL 控制更新幅度，避免模型在复杂多模态任务上过拟合单一奖励。

如何判断框架是否真的优于 SFT？

不能只看单一基准，要看跨任务迁移、长尾样本和分布外测试。若在视觉计数、几何推理之外
还能保持稳定收益，且训练成本和收敛速度可接受，才算真正有工程价值。

🗳️ 读者观点微投票 · 您的实战立场是？

多模态优化框架，你更看重推理提升还是泛化能力？

🕸️ 语宙向量知识图谱 · 语义强关联深度内链

[🐋 所属权威专题：DeepSeek 深度实战与部署 →](https://paooo.com/topics/deepseek/)

 * [Skywork-R1V 2.0 – 昆仑万维开源的新版多模态推理模型](https://paooo.com/aigc-news/20199/)
 * [o1-pro – OpenAI 推出的升级版推理模型](https://paooo.com/aigc-news/20909/)
 * [XBai o4 开源模型：超越 OpenAI o3-mini 的推理能力，深度解析其技术原理与应用场景](https://paooo.com/aigc-news/14010/)
 * [腾讯清华重磅开源MindOmni：强化学习驱动的多模态推理生成模型，重塑视觉AI边界](https://paooo.com/aigc-news/14749/)

[🏛️ Prompt 语宙研究院](https://paooo.com/author/paooo-research/) · Prompt 语宙研究院（
paooo.com Research）专注于前沿多模态大模型架构拆解、AI Agent 工作流评测、AIGC 提示
词工程（Prompt Engineering）与全球高增长 AI 生产力工具实测追踪，致力于为中文开发
者与创作者提供一手、可复现的深度技术洞察。

[📄 Markdown 纯净版](https://paooo.com/aigc-news/20573/?format=md)

💡 这篇内容对您有启发吗？

[📡 RSS 订阅](https://paooo.com/feed/)[✨ 提交 AI 工具 / 合作](https://paooo.com/submit-tool/)

**🚀 Prompt 语宙 AI 创作者生态：**探索 2,800+ 全球实用 AI 工具与高精度生图提示词
咒语库

[🧭 语宙 AI 导航 (ai.paooo.com)](https://ai.paooo.com/)[🎨 AI 生图 Prompt 库](https://paooo.com/ai-image-prompts/)
[📚 核心专题导航](https://paooo.com/topics/)[⚡ AIGC 早报生成器](https://paooo.com/mtool/)
