VLM'ler için derin bir arama anına ihtiyacımız var. GRPO'nun gerçek hayatta kalmayı normal ve güçlü kılması gibi, birleştirici modalitler için de aynı şeyi yapmamız gerekiyor Evet, Qwen-VL'ler çok iyi ama sanki sadece beceriksizmişiz gibi geliyor. Mikro tasarım yenilikleri. Muhtemelen sadece @vikhyatk bir ipucu vardır