然而，现有研究多聚焦于 Image-Text 多模态任务，尚未涉足更复杂的全模态场景。基于此，通义实验室团队探索了 RLVR 与视频全模态模型的结合，于今日宣布开源 R1-Omni 模型。 R1-Omni 的一大亮点在于其透明性（推理能力）。通过 RLVR 方法，音频信息和视频信息在 ...