Vero: An Open RL Recipe for General Visual Reasoning
μμ±μ
- Haebom
μΉ΄ν
κ³ λ¦¬
Empty
μ μ
Gabriel Sarch, Linrong Cai, Qunzhong Wang, Haoyang Wu, Danqi Chen, Zhuang Liu
π‘ κ°μ
λ³Έ λ
Όλ¬Έμ μ°¨νΈ λΆμ, κ³Όνμ μ΄ν΄, κ³΅κ° μΆλ‘ λ° κ°λ°©ν μμ
μ ν¬ν¨ν λ€μν μκ°μ μΆλ‘ μμ
μ μνν μ μλ μμ κ°λ°©ν λΉμ -μΈμ΄ λͺ¨λΈ(VLM)μΈ Veroλ₯Ό μκ°ν©λλ€. Veroλ 59κ°μ λ°μ΄ν°μ
μμ μμ§ν 60λ§ κ°μ μνλ‘ κ΅¬μ±λ Vero-600K λ°μ΄ν°μ
κ³Ό μ΄μ§μ μΈ λ΅λ³μ μ²λ¦¬νλ μμ
λΌμ°ν
보μμ μ¬μ©νμ¬ κΈ°μ‘΄ κ°λ°©ν λͺ¨λΈμ μ±λ₯μ λ₯κ°ν©λλ€.
π μμ¬μ λ° νκ³
β’
κ°λ°©μ± λ° μ¬νμ±: Veroλ 곡κ°λ λ°μ΄ν°, μ½λ λ° λͺ¨λΈμ μ 곡νμ¬ κΈ°μ‘΄ VLM μ°κ΅¬μ μ¬νμ±κ³Ό νμ₯μ±μ ν¬κ² ν₯μμν΅λλ€.
β’
λ€μν μκ°μ μΆλ‘ λ₯λ ₯: Veroλ λ€μν μκ°μ μΆλ‘ λ²€μΉλ§ν¬μμ κΈ°μ‘΄ λͺ¨λΈκ³Ό λλ±νκ±°λ λ λμ μ±λ₯μ 보μ¬, ν¬κ΄μ μΈ μκ°μ μ΄ν΄ λ₯λ ₯μ μ
μ¦νμ΅λλ€.
β’
κ΄λ²μν νμ΅μ μ€μμ±: λ
Όλ¬Έμ λ€μν μμ
λ²μ£Όλ₯Ό κ°λ³μ μΌλ‘ νμ΅νλ κ²λ³΄λ€ 곡λμΌλ‘ νμ΅νλ κ²μ΄ μ λ°μ μΈ μ±λ₯ ν₯μμ λ ν¨κ³Όμ μμ 보μ¬μ€λλ€.
β’
νκ³μ : Vero-600K λ°μ΄ν°μ
μ κ΅¬μ± λ° μμ
λΌμ°ν
보μ μ€κ³κ° 볡μ‘νλ©°, μλ‘μ΄ μμ
λ²μ£Όλ λ°μ΄ν°μ
μ λν μ μ© κ°λ₯μ± λ° μ±λ₯ νμ₯μ±μ λν μΆκ° μ°κ΅¬κ° νμν μ μμ΅λλ€.
