MMVistaReason: receta de entrenamiento abierto para razonamiento multimodal

Fuentes: MMVistaReason: Open-Data Post-Training Recipe for Multimodal Reasoning

MMVistaReason (MVR) es una metodología de entrenamiento abierta diseñada para mejorar el razonamiento multimodal mediante la construcción de datos estructurados y técnicas de destilación post-entrenamiento. El sistema aborda los desafíos de la supervisión de modelos abiertos, como la calidad desigual de los datos y la interferencia entre dominios, mediante tres componentes principales: una cobertura amplia de capacidades analíticas y de mundo real, una construcción eficiente de datos para el aprendizaje por refuerzo (RL) y el aprendizaje supervisado (SFT), y un proceso de especialización seguida de integración de expertos.

La metodología utiliza destilación en cascada consciente de la dificultad y selección de trayectorias basada en la probabilidad de respuesta para crear un conjunto de datos SFT de 528.000 muestras. Para el RL, aplica filtrado de frontera específico por escala. El análisis revela que los modelos más pequeños se benefician más de la supervisión seleccionada, mientras que los más grandes son robustos a la variación de las trayectorias. En 15 benchmarks multimodales, el modelo MVR-4B alcanza una puntuación media de 72,8, superando a Qwen3.5-9B (Instruct) y MMFineReason-8B, utilizando aproximadamente un 70% menos de muestras que su competidor. Al escalar a 9B, la puntuación media mejora a 74,4, superando a Qwen3.5-35B-A3B (Instruct). Este enfoque demuestra que la construcción sistemática de datos abiertos y el entrenamiento consciente de la capacidad ofrecen una ruta práctica y escalable hacia el razonamiento multimodal fiable.