先了解这件事
AI 综述
2025年12月5日,InternLM 发布 ARM-Thinker 代码仓库。据同一来源的报道,ARM-Thinker 是一个以 Qwen2.5-VL-7B 为基座的多模态奖励模型,采用“Think–Act–Verify”智能体循环,可自主调用图像裁剪、多页文档检索等工具为判断提供可验证证据。该模型通过 SFT 冷启动加两阶段 GRPO 训练,报道称其在奖励建模上提升 16.2%、工具使用任务上提升 9.6%,可与 Qwen3-VL-8B、GPT-4o 等更大模型竞争。团队同时推出首个面向多步、证据支撑奖励模型的基准 ARMBench-VL,代码已开源。目前尚无后续独立发展事实。
AI 根据公开报道生成
最新进展 · 正式报道
InternLM 开源 ARM-Thinker：用智能体工具调用强化多模态生成式奖励模型事件进展
1 个已确认进展
- 来源：InternLM 原创项目
报道与讨论时间线
按时间查看正式报道与传播讨论；两类内容的证据等级保持独立。
10月13日
InternLM 原创项目一手
InternLM 开源 ARM-Thinker：用智能体工具调用强化多模态生成式奖励模型
InternLM 发布 ARM-Thinker，一个以 Qwen2.5-VL-7B 为基座、采用“Think–Act–Verify”智能体循环的多模态奖励模型，可自主调用图像裁剪、多页文档检索等工具为判断提供可验证证据。它通过 SFT 冷启动加两阶段 GRPO 训练，在奖励建模上提升 16.2%、工具使用任务上提升 9.6%，可与 Qwen3-VL-8B、GPT-4o 等更大模型竞争。团队同时推出首个面向多步、证据支撑奖励模型的基准 ARMBench-VL，代码已开源。