网易首页 > 网易号 > 正文 申请入驻

高考数学142分,多学科推理MMMU跑分76.0直逼人类专家,Skywork R1V 3.0用强化学习探索跨学科推理

0
分享至

作者 | 周一笑
邮箱 | zhouyixiao@pingwest.com

在电影《银翼杀手2049》中,虚拟伴侣Joi能通过全息投影与现实世界无缝互动。她能感知主角K的情绪为他挑选音乐,也能理解K的指令,将自己的形象投放到城市的广告牌上,与他同步体验雨中漫步。她不仅在看和听,更在理解K所处的复杂环境和他的潜在需求,并作出恰当且充满人情味的反应。

这种科幻场景要走入现实,AI需要跨越的,并非只是单纯的数据量或算力。有趣的是,现实中的突破路径和科幻设想有所不同,研究者们发现,真正的关键在于通过GRPO(Group Relative Policy Optimization)这样的强化学习算法,让AI像人类一样通过试错来学习,自己找到整合不同信息的最佳策略。

这种方法恰好针对了当前AI的一个要害,也就是如何让多模态能力从信息拼接升级为真正的融合理解。传统方法就像给AI一本厚厚的说明书,告诉它每种情况的标准答案。而强化学习则更像给了AI一个实验室,让它通过不断尝试来发现规律,当某个推理路径能更好地解决问题时,就给予高分奖励,从而强化这种思考方式。

昆仑万维最新开源的Skywork R1V 3.0,就是这一探索路径下的产物。它最核心的思路,就是借助强化学习,将在数学等领域学到的严谨推理能力,迁移并泛化到物理、化学、医学乃至更广泛的现实世界问题中,试图让AI离那个理想中的Joi更近一步。

目前,昆仑万维已全面开源 Skywork R1V 3.0 的所有资源,旨在推动多模态推理社区的进一步发展:

1. HuggingFace地址:

https://huggingface.co/Skywork/Skywork-R1V3-38B

2. GitHub地址:

https://github.com/SkyworkAI/Skywork-R1V

3. 技术报告:

https://github.com/SkyworkAI/Skywork-R1V/blob/main/Skywork_R1V3.pdf

1

从“偏科生”到“六边形战士”,寻找能力的平衡点

如何评价一个AI模型的好坏?在今天,只看它在某个单项上跑分有多高,可能已经不够了。更重要的,是看它的能力曲线是否平滑,在面对五花八门的问题时,表现是否足够稳定。

在这方面,R1V 3.0交出了一份很有意思的答卷。它在一个名为MMMU的权威评测上,取得了76.0分的成绩 。这个分数距离人类初级专家的平均水平(76.2分)只有一步之遥 ,同时也超过了一些知名的闭源模型,比如Claude 3.7 Sonnet的75.0分和GPT-4.5的74.4分 。

MMMU之所以重要,是因为它不像传统的单科竞赛,更像一场包含理工、人文、医学、艺术等多个领域的“跨学科高考” 。能在这里拿到高分,背后透露出的信息是,这个模型的能力不偏科,知识结构相对均衡。这或许是让AI智能的“锯齿”变得更平滑、更可靠的一种体现。

当然,均衡不代表平庸。在物理、逻辑和数学等更考验硬核推理能力的评测中,它同样拿下了多个开源模型的最佳成绩 。

1

硬核理工科,是骡子是马拉出来遛遛

跑分终究是跑分。想知道一个模型是真学霸还是纸老虎,得拉出来实战遛遛。我们直接上题,看看它在不同场景下的真实表现。

在2025年高考数学新一卷的测试中,R1V-3-38B取得了142分的成绩 ,超越了DouBao-Seed-1.6-Thinking(141分) 、Gemini 2.5 Pro 0605(140分) 、OpenAI-03-high(136分) 和Claude-4-Sonnet-Thinking(128分) 等多款闭源模型:

具体的解题效率上,我们向模型展示了一道高考物理选择题,R1V 3.0不仅能给出正确答案,而且明显“想得更快、更明白”了。它的解题思维链比上一代大幅缩短,比如从4千降至7百tokens,推理速度提升了约6倍。

如果说高中题只是开胃菜,那大学的电路分析题就是正餐了。我们给它一道有一定分析深度的英文大学电路理论分析题 ,它能准确识别题目中“unit ramp”(单位斜坡电压)的含义,严格依据基尔霍夫电压定律列出微分方程,并用积分因子法系统地求解,推导逻辑自洽、过程条理清晰 。这证明了它的推理能力确实有深度。

接下来,我们来看一道具有一定分析深度的英语版的大学电路理论分析题。从中可以看出,即便是这样具有挑战性的大学层次题目,R1V 3.0依然能够准确给出解答。

Consider applying a unit ramp voltage source to a series RL circuit as shown in . Compute the voltages $$v_R (t$$ with zero initial condition for L = 0.1H;

1

文史医,AI的“知识盲区”还是“舒适区”?

跳出数理化,在更广阔的知识领域里又如何?我们向模型提问:“在下图中,P波代表___________,QRS段表示___________,T波代表_____________。”

面对心电图,它能头头是道地讲出P波、QRS段和T波各自的生理意义,就像个医学院的学生在做课堂报告 。

而面对一位有20年肝硬化病史的患者的CT影像,它也能结合病史和影像学特点,推理出“肝细胞癌”的最可能诊断,并列出其他可能性以供鉴别 。

1

生活大冒险,如何应对“非标”难题

最后来看一些更开放、更接近生活的“非标”问题。比如这个高难度的“看图猜地方”游戏:我们要求模型根据一张图片里的建筑、植被、标识牌等线索,推断出其所在的大洲、国家、城市乃至经纬度 。R1V 3.0展现出了极强的综合认知能力,通过层层推理,最终成功锁定了地点 。

还有一个更生活化的问题:“我买一千瓶这个饮料,中奖的钱的期望是多少?” 。模型需要先通过视觉看懂瓶盖上的中奖规则,再运用数学能力进行概率计算 。

而最考验“网感”的梗图理解,它也没掉链子。面对一张涉及人物表情和双关语的梗图(Meme)图片,它能准确识别出其中的幽默感,并解释这种幽默来源于对“models”一词在技术和日常语境中不同含义的误解 。

1

通往稳健推理的后训练路径

模型表现这么好,背后用了什么巧妙的技术?Skywork R1V 3.0的技术路径很有意思,它没有依赖海量数据和算力硬堆,而是把重点放在了模型的后训练阶段,更像一场精细的调优 。

这条路径始于能力的嫁接与强化。团队基于R1V 2.0做冷启动,让模型一出生就具备不错的多模态推理基础 。随后引入GRPO强化学习算法,对模型进行深度激发,让强大的文本推理能力成功嫁接到多模态任务上 。值得一提的是,这个过程借助GRPO强化学习算法,实现高效泛化,仅用了约1.2万条高质量监督微调样本和1.3万条强化学习样本,就实现了多学科推理能力的显著提升 。

有了初步的能力,如何确保它不是在机械地模仿?为了解决这个问题,团队引入了一套独特的关键熵驱动验证机制。他们发现,真正会推理的模型,在思考的关键节点会表现出较高的不确定性,代表着思维在发散;而只会模仿的模型则非常确定 。这个机制就像一个思考质检员,能高效地识别出哪些模型版本是真正学会了推理,而不是在机械地模仿风格 。

解决了推理的真伪问题,还有一个挑战是知识的均衡。由于强化学习阶段的训练数据以数学问题为主,模型的能力会有些偏科 。为此,团队在强化学习之后,专门引入了一个针对连接器,也就是连接视觉和语言的桥梁,的微调步骤 。这一步有效地平衡了模型的知识结构,让它在保持理科优势的同时,也补上了文史、艺术等领域的短板,成了一个更全面的通才 。

1

结语

从最开始那个可能看不懂Meme的AI,到最后这个更均衡、更稳健的模型版本,Skywork R1V 3.0的迭代过程,本身就在试图解决当前AI最棘手的几个问题。它证明了,在行业普遍追求更高、更快、更强的同时,通过精细的后训练调优,让AI想得更稳、更可靠,是一条同样重要且可行的路。

这背后是对“可靠性”的追求。尤其在2025年,当AI开始被更严肃地探讨用于医疗诊断、金融合规等高风险领域时,可靠性已经从一个加分项变成了必选项。未来的AI竞争,可能不再只是参数和分数的比拼,更是看谁的系统在关键时刻更值得信赖。一个真正可用的AI,需要具备某种程度的“认知谦逊”:知道自己的能力边界,并在不确定时,懂得把决策交还给人类。

而昆仑万维选择将Skywork R1V 3.0完全开放的做法,本身就体现了这种对可靠性和透明性的追求。实际上,这也不是一次孤立的行动,而是其构建以推理能力为主线的技术体系的一部分,此前他们已陆续开源了Skywork-OR1文本推理模型和SkyReels-V1视频生成模型等多个项目。这种系统性的开源,以及将技术细节、探索发现都展示给社区的做法,让人们能够更好地检验和理解模型,这恰恰是通往信任的关键一步。

归根结底,技术的发展终究要回归到具体的人和具体的问题上,这可能比宏大的叙事要走得更远。

点个爱心,再走 吧

特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。

Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.

相关推荐
热点推荐
省下 1.25亿!波切蒂诺挖到曼联瑰宝!天赋比肩帕斯

省下 1.25亿!波切蒂诺挖到曼联瑰宝!天赋比肩帕斯

澜归序
2026-11-20 10:27:31
湖北95后小伙开饭店优先招35岁以上员工,缴五险一金,周休2天,一年亏了100多万

湖北95后小伙开饭店优先招35岁以上员工,缴五险一金,周休2天,一年亏了100多万

黄河新闻网吕梁
2026-11-19 17:55:11
3-1横扫!男单爆大冷!就在刚刚,WTT星球赛:世界第228名掀翻世界第14!国乒18岁削球手强势崛起:连赢5场闪耀全场,黄友政一输再输

3-1横扫!男单爆大冷!就在刚刚,WTT星球赛:世界第228名掀翻世界第14!国乒18岁削球手强势崛起:连赢5场闪耀全场,黄友政一输再输

锐评利物浦
2026-11-20 10:45:52
“格力电器被列为被执行人,执行标的150元”,格力电器回应:此事源于格力起诉义乌商家在网上违规售卖格力售后工作服的商标侵权案件

“格力电器被列为被执行人,执行标的150元”,格力电器回应:此事源于格力起诉义乌商家在网上违规售卖格力售后工作服的商标侵权案件

政知新媒体
2026-11-20 10:08:40
76,岁盛海琳现状:16,岁双胞胎女儿接近,1,米,7,很漂亮,粉丝将破百万

76,岁盛海琳现状:16,岁双胞胎女儿接近,1,米,7,很漂亮,粉丝将破百万

春之寞陌
2026-11-19 18:42:02
兹维列夫脚踝出现伤情!ATP总决赛四强已出3席,阿卡轻伤不下火线

兹维列夫脚踝出现伤情!ATP总决赛四强已出3席,阿卡轻伤不下火线

排球黄金眼
2026-11-20 08:58:27
如果人民公社活到今天,农村早就不用振兴了?

如果人民公社活到今天,农村早就不用振兴了?

爱下厨的阿酾
2026-11-20 13:51:40
泽连斯基放话:不向乌提供武器的欧洲国家,将面临审查

泽连斯基放话:不向乌提供武器的欧洲国家,将面临审查

金戈远望
2026-11-19 12:31:19
车祸痛失两战友,徐国夫懊悔:不开这个会就好了

车祸痛失两战友,徐国夫懊悔:不开这个会就好了

漫步史书
2026-11-19 17:43:43
加内特怒批现役球员:他们不是硬汉,永远别拿我和这帮软蛋相比

加内特怒批现役球员:他们不是硬汉,永远别拿我和这帮软蛋相比

体坛周报
2026-11-20 09:32:18
刚投产就凉了?合肥15亿大厂被申请破产,股东名单全是“国资”

刚投产就凉了?合肥15亿大厂被申请破产,股东名单全是“国资”

趣味萌宠的日常
2026-11-20 06:50:53
盛世脆断之前,无人感到安全

盛世脆断之前,无人感到安全

海涛评论
2026-11-20 00:44:37
450亿援乌贷款,还款条件写着“等俄罗斯赔钱”:四国当场掀桌,默茨翻脸了

450亿援乌贷款,还款条件写着“等俄罗斯赔钱”:四国当场掀桌,默茨翻脸了

浯江孤舟
2026-11-20 15:21:39
演员童瑶发文告别

演员童瑶发文告别

背包旅行
2026-10-16 11:55:16
APEC晚宴酒单曝光后 同款荔枝冰酒从限购卖到断货 网店营业额暴增93393%

APEC晚宴酒单曝光后 同款荔枝冰酒从限购卖到断货 网店营业额暴增93393%

快科技
2026-11-20 09:51:06
男子破产12年送外卖养家,这天竟收1200万汇款,追到汇款方后却傻眼

男子破产12年送外卖养家,这天竟收1200万汇款,追到汇款方后却傻眼

温情邮局
2025-08-22 11:56:14
两位妈妈打扮精致去开家长会,被发到网上,网友吵翻:这是选美,还是开会?

两位妈妈打扮精致去开家长会,被发到网上,网友吵翻:这是选美,还是开会?

蝴蝶花雨话教育
2026-10-29 00:05:14
不出意外,2027年1月1日开始,或将迎来5大涨价潮,应提前了解

不出意外,2027年1月1日开始,或将迎来5大涨价潮,应提前了解

壹切的壹切
2026-11-19 04:56:44
黄仁勋妻子当年是系花,他17岁追她时不拼颜值不砸钱,只甩一句:你考试我全包,门门保优

黄仁勋妻子当年是系花,他17岁追她时不拼颜值不砸钱,只甩一句:你考试我全包,门门保优

In风尚
2026-11-20 06:04:49
成都一批老破小启动拆迁,补偿方案曝光,这是真让人羡慕

成都一批老破小启动拆迁,补偿方案曝光,这是真让人羡慕

靓仔情感
2026-11-20 14:15:26
2026-11-20 20:00:49
硅星人 incentive-icons
硅星人
硅(Si)是创造未来的基础,欢迎来到这个星球。
3582文章数 10548关注度
往期回顾 全部

科技要闻

Anthropic收涨17.1%,市值一度破2万亿美元

头条要闻

父亲看望在外读书女儿住招待所 遭同屋两男子半夜劫杀

头条要闻

父亲看望在外读书女儿住招待所 遭同屋两男子半夜劫杀

体育要闻

脚步未停!西班牙摩托车手赤脚徒步入境中国

娱乐要闻

官媒发文 官宣赵丽颖新身份,进步很大

财经要闻

最大回撤超37%,黄金崩盘了吗?

汽车要闻

35万级MPV的满配答案 享界V8正式上市售31.98万起

态度原创

亲子
健康
手机
时尚
游戏

亲子要闻

奶奶给大孙买的草莓真甜,姥姥给的高粱米做一锅,焦黏喷香都爱吃

医生眼里"很伤腰"的椅子,很多人天天坐

手机要闻

史上最强阔直板!华为星芒OSTA O1 Pro星芒紫独占16+1T顶配版:8799元

今年冬天不穿大衣了?这件“非凡外套”才是真顶流!

想要《GTA6》主角吃成大胃袋?恐怕要让你失望了

无障碍浏览 进入关怀版