M2-推理：通过统一的通用与空间推理增强多模态大语言模型
偏微分方程分析
2025-10-24 v2
摘要
最近的多模态大语言模型（MLLMs）通过可验证奖励强化学习（RLVR）取得了显著的推理能力提升。然而，这些模型仍在动态空间交互方面存在关键缺口，这是实际应用中必不可少的能力。为弥合这一差距，我们提出了 M2-推理-7B 模型，旨在在通用推理和空间推理方面卓越表现。我们的方法整合了两个关键创新：（1）一个新型数据管道，生成 294.2K 高质量数据样本（其中 168K 用于 cold-start 微调，126.2K 用于 RLVR），这些样本具有逻辑一致的推理轨迹并经过全面评估；（2）一种动态多任务训练策略，采用分步优化以缓解数据和任务之间的冲突，并为提供定制化激励信号。这种精心策划的数据和先进训练的组合，使 M2-推理-7B 在 8 个基准测试中达到新的最先进水平（SOTA），在通用和空间推理领域表现卓越。
引用
@article{arxiv.2507.08305,
title = {Global existence and boundedness in an attraction-repulsion chemotaxis system with nonlocal logistic source and sublinear productions},
author = {Gnanasekaran Shanmugasundaram and Nithyadevi Nagarajan},
journal= {arXiv preprint arXiv:2507.08305},
year = {2025}
}