# 刘壮陈丹琦团队开源Vero：一个通用视觉推理强化学习框架，没用到任何思考数据就刷新了SOTA

> 原标题：刘壮陈丹琦新作：开源通用视觉推理RL框架，0思考数据刷新SOTA

- 来源：量子位 · 公众号
- 发布时间：2026-04-11T01:05:00.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/6298
- 原文：https://mp.weixin.qq.com/s?__biz=MzIzNjc1NzUzMw==&mid=2247882420&idx=2&sn=f341ba942885c69e34e63bf80b8ba655

## 摘要

普林斯顿刘壮和陈丹琦团队开源了Vero，一个用强化学习训练视觉推理模型的通用框架。它从59个数据集里筛出60万条样本，按六类任务分别给奖励，单阶段RL训练后，在30个基准里有23个超过了Qwen3-VL-8B-Thinking。最值得看的是它没用到任何私有的思考数据，纯靠任务路由奖励机制让模型学会推理。

## 推荐理由

普林斯顿刘壮和陈丹琦团队开源的Vero，从59个数据集筛出60万条样本，按六类任务分别给奖励，单阶段强化学习后在30个基准中23个超过Qwen3-VL-8B-Thinking。

## 锐评

零思考数据这个说法我保留意见，奖励按六类任务分别给，这本身就是人工先验，只是没写成思维链。我更在意 60 万条样本从 59 个数据集里筛出来，筛选标准才是复现的关键，开源框架给不给这套脚本，决定别人能不能跟上。23/30 超过 Qwen3-VL-8B-Thinking 听着漂亮，基座是什么、训了多久、多少卡都没提，这种数字只能当方向看。
