R1-V

R1-V 是一个面向视觉语言模型（VLM）强化学习增强的开源研究框架，旨在以极低成本（低于3美元硬件开销）提升模型在视觉推理与跨模态任务上的泛化能力。其核心功能包括支持RLVR（Reinforcement Learning for Vision-Language Reasoning）、提供多源训练数据集（如CLEVR-70k、GEOQA-8k）、集成vLLM加速训练，并兼容Qwen2.5-VL等主流VLM架构。技术特点涵盖轻量级RL训练流程、批量解码优化、蒸馏式视觉推理数据构建及可复现的SFT/GRPO训练脚本。适用于学术界开展低成本VLM泛化性研究、GUI智能体开发及视觉推理能力评测。