文本和视觉信息融合

MM-EUREKA是一个探索视觉‘顿悟时刻’的多模态强化学习项目，首次将基于规则的强化学习应用于多模态推理，实现文本和视觉信息的高效融合。该项目无需监督微调，通过规则化训练显著提升模型推理能力，并开源完整训练流程，包括代码、模型和数据，助力研究者快速上手。