许可协议：apache-2.0
数据集：

• HuanjinYao/Mulberry-SFT
  基础模型：
• Qwen/Qwen2-VL-2B-Instruct
  任务标签：图像文本到文本
  库名称：transformers

R1-VL-2B

R1-VL-2B 是通过逐步组相对策略优化（StepGRPO）训练得到的推理模型。

论文：https://arxiv.org/pdf/2503.12937

GitHub：https://github.com/jingyi0000/R1-VL

基础模型：https://huggingface.co/Qwen/Qwen2-VL-2B-Instruct