Vision-R1 是论文《Vision-R1: Incentivizing Reasoning Capability in Multimodal Large Language Models》的官方代码仓库，已被 ICLR 2026 接收。该项目致力于探索如何将类似 DeepSeek-R1 的强化学习范式有效应用于多模态大语言模型（MLLM），从而激励其推理能力。
【用途】 Vision-R1 的核心目标是提升多模态大语言模型的推理能力。它通过冷启动初始化（cold-start initialization）与强化学习（RL）训练相结合的两阶段流程，构建一个具备推理能力的多模态模型。
【主要能力】
- 冷启动初始化：先利用现有 MLLM 与 DeepSeek-R1 生成高质量的多模态思维链（CoT）数据集，作为基座 MLLM 的冷启动初始化数据，得到 Vision-R1-CI。
- 强化学习训练：在 Vision-R1-CI 基础上进行 RL 训练，得到最终推理模型 Vision-R1。项目提出了 PTST 策略，逐步放宽上下文长度限制（4K、8K、16K tokens），以渐进方式获取更复杂的推理过程。
- 交错推理生成：支持交错式推理生成与展示。
- 模型规模：提供 Vision-R1-CI-7B、Vision-R1-7B、Vision-R1-32B、Vision-R1-72B 等权重。其中 32B 与 72B 在 RL 训练中使用了额外数据。
- 数据集：提供冷启动数据集 Vision-R1-cold 与强化学习数据集 Vision-R1-rl。Vision-R1-cold 的图像可来自 LLaVA-CoT-100k 与 Mulberry-SFT，需分别放入 llava_cot_images 与 mulberry_images 目录。Vision-R1-rl 采用 geometry3k 格式。
- 推理与评估：开源了推理代码、脚本与评估代码，支持 vLLM 部署（要求 vllm>0.7.2），可启动 OpenAI 兼容 API 服务，也支持本地推理。推理时使用与 DeepSeek-R1 相同的 temperature 与 top_p。
- 训练工具：冷启动阶段使用 LLaMA-Factory 训练 Vision-R1-CI，训练脚本位于 train/cold_start；RL 阶段可使用 EasyR1 或 verl 完成训练。
【使用方式】
- 下载冷启动数据集 Vision-R1-cold，并从 LLaVA-CoT-100k 与 Mulberry-SFT 获取图像，放入对应目录。
- 使用 LLaMA-Factory 与 train/cold_start 下的脚本训练冷启动模型，可使用 8*4 或 8 张 80G 显存 GPU。需替换 train.yaml 中的数据集路径。
- 使用 Vision-R1-rl 数据集，通过 EasyR1 或 verl 进行 RL 训练。
- 推理时可使用项目提供的 scripts/inference.sh 脚本，或采用 vLLM 部署 OpenAI 兼容 API 服务并进行对话调用。
- 评估代码位于 evaluation/ 目录。
【适用场景】 适用于多模态大语言模型的推理能力研究、数学推理等需要多模态思维链的任务，以及希望复现或基于 Vision-R1 进行二次开发的科研与工程场景。
【限制与说明】 论文指出，直接将 RL 应用于 MLLM 难以有效激励强推理能力；无初始化训练的 Vision-R1-Zero 在有限数据上泛化困难；Vision-R1-CI 存在过度思考优化问题，偏好较短 CoT，后续 RL 训练中推理步骤变长但性能下降。Vision-R1 在 RL 训练初期会缩短 CoT 以精炼正确思考过程，PTST 使模型逐步获得更复杂推理过程。此外，项目提到正尝试将训练扩展到低资源设置，目标是用 8 张 GPU 完成整个冷启动与 RL 训练过程。72B 模型的训练与发布进展、完整的数据集与代码、权重发布状态等，以仓库实际信息为准；部分内容资料中标注为计划或进行中。
