标题：虚假奖励竟能提升Qwen性能25%！ 即使使用错误的奖励信号，Qwen的性能也能显著提升？华盛顿大学的博士生团队发现，使用Qwen模型（尤其是数学版本），对虚假奖励进行强化学习（RLVR），依然能让MATH-500的准确率提高约25%。团队实验表明，RLVR通过激活预训练中的推理能力提升性能，...

阿里通义团队于3月11日推出R1-Omni模型，该模型结合了强化学习（RLVR）与多模态技术，尤其适用于复杂全模态场景。R1-Omni通过增强透明性，使得音频和视频信息的作用更加清晰可见。在情绪识别等任务中，R1-Omni能明确展示哪些模态信息对特定判断至关重要。实验结果显示，相比原始基线模型，R1-Omni在同分布测试集上的表现提升了超过35%，而在不同分布测试集上，其泛化能力同样出色。R1-Omni开源地址已公布，包括论文、Github及模型下载链接。