# MM-Eureka – 上海AI Lab联合上交大等推出的多模态推理模型

- Link: https://paooo.com/aigc-news/20991/
- Published: 2026-06-08T23:17:26+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

 * 基于规则的大规模RL把DeepSeek-R1式推理特性扩展到多模态，能同时处理文本与视觉信息。
 * 仅用54K图文数据训练，平均性能超过1M数据的MPO模型，数据效率非常突出。
 * MM-Eureka-Zero-38B仅用8K数学推理数据，在自建K12基准上超越指令模型8.2%。

## MM-Eureka是什么

MM-Eureka 是上海人工智能实验室、上海创智学院、上海交通大学和香港大学的研究人员共同
开发的多模态推理模型。模型通过基于规则的大规模强化学习（RL），将单模态推理中的关键
特性（如稳定的回答长度增长、准确率奖励以及视觉顿悟时刻）扩展到多模态场景。

阅读目录

 * [MM-Eureka是什么](https://paooo.com/aigc-news/20991/#mmeureka%e6%98%af%e4%bb%80%e4%b9%88)
 * [MM-Eureka的主要功能](https://paooo.com/aigc-news/20991/#mmeureka%e7%9a%84%e4%b8%bb%e8%a6%81%e5%8a%9f%e8%83%bd)
 * [MM-Eureka的技术原理](https://paooo.com/aigc-news/20991/#mmeureka%e7%9a%84%e6%8a%80%e6%9c%af%e5%8e%9f%e7%90%86)
 * [MM-Eureka的项目地址](https://paooo.com/aigc-news/20991/#mmeureka%e7%9a%84%e9%a1%b9%e7%9b%ae%e5%9c%b0%e5%9d%80)
 * [MM-Eureka的应用场景](https://paooo.com/aigc-news/20991/#mmeureka%e7%9a%84%e5%ba%94%e7%94%a8%e5%9c%ba%e6%99%af)

MM-Eureka 推出两个核心模型：MM-Eureka-8B 和 MM-Eureka-Zero-38B，分别基于 InternVL2.5-
Instruct-8B 和 InternVL2.5-Pretrained-38B。仅使用 54K 图文数据进行规则型强化学习
训练，平均性能便超过了使用 1M 数据的 MPO 模型。MM-Eureka-Zero-38B 仅使用 8K 图文
数学推理数据，在自建的 K12 基准测试上超越指令模型 8.2%，在 MathVerse 上表现相当。

![MM-Eureka](https://paooo.com/wp-content/uploads/2026/06/MM-Eureka-website-1.avif)

## MM-Eureka的主要功能

 * **多模态推理能力**：将大规模基于规则的强化学习（RL）扩展到多模态推理领域，能处理
   文本和视觉信息。
 * **复现关键特性**：在多模态空间中复现了文本 RL 系统（如 DeepSeek-R1）的关键特性，
   包括准确率奖励和响应长度的稳步提升，以及反思行为的涌现。
 * **数据高效性**：仅使用 54K 图文数据进行规则型 RL 训练，平均性能超过了使用 1M 
   数据的 MPO 模型，整体基准准确率与使用 12M 数据进行 CoT SFT 训练的模型相当。

## MM-Eureka的技术原理

 * **基于规则的大规模强化学习框架**：MM-Eureka 基于 OpenRLHF 开发了高效可扩展的多
   模态大规模强化学习框架，支持 InternVL 等多种模型和 RL 算法。使模型能在多模态环境
   中进行有效的训练，成功复现了 DeepSeek-R1 的关键特性，如准确率奖励和响应长度的
   稳步提升。
 * **数据过滤与稳定训练**：研究团队发现，数据选择对于稳定 RL 训练至关重要。基于难度
   的数据过滤策略对 RL 训练的稳定性起到了关键作用。
 * **视觉顿悟时刻（Visual aha-moment）**：MM-Eureka 在训练过程中展现出类似 DeepSeek-
   R1 的视觉顿悟时刻。具体表现为模型学会反思和回溯，会重新审视图像中的关键信息。
 * **极简的强化学习设计**：极简的 RL 设计在 MM-Eureka 中被证明是有效的。在 instruct
   模型上实验时，添加 KL 散度会限制模型探索，导致无法观测到响应长度的提高。 MM-Eureka
   采用简单的奖励函数（如准确性奖励和格式奖励），通过难度基础的数据过滤策略进行稳定
   训练。
 * **高效的数据利用**：MM-Eureka 展现出极高的数据效率。仅使用 54K 图文数据进行规则
   型强化学习训练，平均性能就超过了使用 1M 数据的 MPO 模型。MM-Eureka-Zero 仅使用
   8K 图文数学推理数据（指令模型的 0.05%），在自建的 K12 基准测试上超越指令模型 
   8.2%，在 MathVerse 上表现相当。表明在多模态推理领域，简单的规则型强化学习设计
   可以显著提升训练效果，在数据量较少的情况下也能达到与大规模训练相当的性能。

## MM-Eureka的项目地址

 * **Github仓库**：[https://github.com/ModalMinds/MM-EUREKA](https://github.com/ModalMinds/MM-EUREKA)
 * **arXiv技术论文**：[https://arxiv.org/pdf/2503.07365](https://arxiv.org/pdf/2503.07365)

## MM-Eureka的应用场景

 * **教育领域**：MM-Eureka 能通过强大的推理能力和反思机制，帮助学生更好地理解和解决
   复杂的数学问题。
 * **增强现实（AR）和虚拟现实（VR）**：在 AR 和 VR 场景下，通过结合视觉和语言信息，
   MM-Eureka 可以为用户提供更加沉浸式和交互式的体验。
 * **数据分析和决策支持**：MM-Eureka 的多模态推理能力使其在数据分析和决策支持方面
   具有显著优势。能处理复杂的图文数据，帮助用户从大量信息中提取关键信息并做出更明智
   的决策。
 * **自动化和智能助手**：MM-Eureka 可以作为智能助手的核心技术，为用户提供更智能、
   更自然的交互体验。
 * **游戏和娱乐**：在游戏和娱乐领域，MM-Eureka 的多模态推理能力可以用于开发更加智能
   的非玩家角色（NPC）和交互式剧情。

❓ 常见问题解答（FAQ）

MM-Eureka是什么模型？

MM-Eureka是上海人工智能实验室、上海创智学院、上海交通大学和香港大学联合开发的多模
态推理模型，核心思路是用基于规则的大规模强化学习，把单模态推理中的关键能力迁移到
图文场景。

MM-Eureka为什么说数据效率高？

它仅用54K图文数据做规则型强化学习训练，平均性能就超过了使用1M数据的MPO模型；MM-Eureka-
Zero-38B还只用8K图文数学推理数据，就在自建K12基准上超越指令模型8.2%。

MM-Eureka适合哪些应用场景？

文章提到它可用于教育、AR/VR、数据分析与决策支持、智能助手，以及游戏和娱乐等场景，
优势在于能结合视觉与语言信息进行更强的推理和反思。

🔬 语宙深潜追问 · 进阶实操拆解

规则型大规模强化学习怎么迁移到多模态？

先把图文任务拆成可验证规则，如答案一致性、步骤完整性和视觉定位正确性，再用奖励塑
形引导模型逐步修正。核心是把“顿悟”转成可计算信号，而不是只靠人工偏好。

小数据多模态推理如何做得更稳？

要优先做高质量合成数据、难例挖掘和课程式训练，再配合自一致性采样与错误回放。这样
能放大每条样本的学习价值，减少大规模噪声数据带来的稀释效应。

🗳️ 读者观点微投票 · 您的实战立场是？

54K数据打赢百万级模型，靠什么？

🕸️ 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/)

 * [DeepSeek R1-Zero – DeepSeek推出的开源推理模型，基于纯强化学习训练](https://paooo.com/aigc-news/22701/)
 * [MMaDA – 字节联合普林斯顿大学等推出的多模态扩散模型](https://paooo.com/aigc-news/18719/)
 * [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/)
 * [R1-Onevision – 开源多模态视觉推理模型，基于 Qwen2.5-VL 微调](https://paooo.com/aigc-news/21512/)

[🏛️ 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/20991/?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/)
