From 71e5c048992cd263ef8284990057d4c69a351c5a Mon Sep 17 00:00:00 2001 From: zRzRzRzRzRzRzR <2448370773@qq.com> Date: Wed, 2 Jul 2025 02:10:37 +0800 Subject: [PATCH] 1 --- README.md | 17 +++++++++++++---- 1 file changed, 13 insertions(+), 4 deletions(-) diff --git a/README.md b/README.md index 4d1f23b..8a476fd 100644 --- a/README.md +++ b/README.md @@ -4,17 +4,26 @@ license: mit # GLM-4.1V-9B-Thinking +
+ +
+

+ 💡 立即在线体验 Hugging Face 或 ModelScope 上的 GLM-4.1V-9B-Thinking。 +
+ 📍 在 智谱大模型开放平台 使用 GLM-4.1V-9B-Thinking 的API服务。 +

+ ## 模型介绍 视觉语言大模型（VLM）已经成为智能系统的关键基石。随着真实世界的智能任务越来越复杂，VLM模型也亟需在基本的多模态感知之外， 逐渐增强复杂任务中的推理能力，提升自身的准确性、全面性和智能化程度，使得复杂问题解决、长上下文理解、多模态智能体等智能任务成为可能。 基于 [GLM-4-9B-0414](https://github.com/THUDM/GLM-4) 基座模型，我们推出新版VLM开源模型 **GLM-4.1V-9B-Thinking** -，探索推理模型在视觉语言模型的多个领域中的上限。 引入思考范式，通过强化学习全面提升模型能力， -达到10B参数级别的视觉语言模型的最强性能，在18个榜单任务中持平甚至超过8倍参数量的Qwen-2.5-VL-72B。 -我们同步开源基座模型 GLM-4.1V-9B-Base，希望能够帮助更多研究者探索视觉语言模型的能力边界。 +，引入思考范式，通过课程采样强化学习 RLCS（Reinforcement Learning with Curriculum Sampling）全面提升模型能力， +达到 10B 参数级别的视觉语言模型的最强性能，在18个榜单任务中持平甚至超过8倍参数量的 Qwen-2.5-VL-72B。 +我们同步开源基座模型 **GLM-4.1V-9B-Base**，希望能够帮助更多研究者探索视觉语言模型的能力边界。 -![rl](https://raw.githubusercontent.com/THUDM/GLM-4.1V-Thinking/refs/heads/main/resources/rl.jpeg?token=GHSAT0AAAAAADBJRDVUEWHSOC3OBRIQN5IU2DD6AZA) +![rl](https://raw.githubusercontent.com/THUDM/GLM-4.1V-Thinking/refs/heads/main/resources/rl.jpeg) 与上一代的 CogVLM2 及 GLM-4V 系列模型相比，**GLM-4.1V-Thinking** 有如下改进：