KI News: Kurz und klar.

Forscher von MiroMind AI in Zusammenarbeit mit mehreren chinesischen Universitäten haben das neue Trainingsframework OpenMMReasoner vorgestellt, das die multimodale Denkfähigkeit von Sprachmodellen deutlich steigert. Durch einen zweistufigen Ansatz wird zunächst ein Basismodell mit einem sorgfältig zusammengestellten Datensatz in einer Supervised Fine‑Tuning‑Phase verfeinert. Anschließend leitet ein Reinforcement‑Learning‑Schritt das Modell an, komplexe Aufgaben, die Text und Bild kombinieren, noch effektiver zu lösen.

In einer kürzlich veröffentlichten Arbeit auf arXiv präsentiert das EvolvingLMMs‑Lab das OpenMMReasoner‑Rezept, das die Grenzen multimodaler Logik neu definiert. Durch einen klar strukturierten, zweistufigen Ansatz werden Modelle systematisch an komplexen Aufgaben aus Bild- und Textdomänen angepasst.