推理革命：3B小模型如何用两阶段训练征服多模态世界

🎯 引言：当视觉遇见逻辑的困境

在人工智能的竞技场上，大型多模态模型（LMM）如同拥有视觉与语言双翼的智慧生物。但当它们面对需要深度推理的复杂任务时，却常常像初学几何的学生——看得见图形，却解不出题目。最新研究表明，仅3B参数的LMM在旋转几何体侧面积计算任务中，错误率高达67%，而人类中学生却能轻松解决。这种差距揭示了一个残酷现实：多模态模型的推理能力，正成为制约其发展的阿喀琉斯之踵。

图示：LMM-R1通过勾股定理正确计算圆锥侧面积，而基线模型错误识别斜高

🌱 基础推理增强：文本训练的魔力

规则强化学习的数学特训

想象一位数学老师不再直接讲解公式，而是让学生通过大量习题自主发现规律——这正是LMM-R1的第一阶段训练哲学。研究团队采用规则强化学习（Rule-based RL），让模型在纯文本数学题海中自我探索。这种训练方式的神奇之处在于：

• 自主纠错机