GD_train1_r1

UniVG-R1是一个用于通用视觉定位的推理引导型多模态大型语言模型，通过强化学习来增强在复杂多图像和多模态场景下的推理能力。数据集包含修订版的MIG_bench数据、CoT-SFT数据和RL数据，以及用于零样本评估的边界框注释。