随着DeepSeek R1的推出，强化学习在大模型领域的潜力进一步凸显。通义实验室近日宣布开源R1-Omni模型，该模型结合了Reinforcement Learning with Verifiable Reward（RLVR）方法，为视频全模态任务提供了全新的优化思路。R1-Omni的一大亮点在于其透明性，通过RLVR方法，模型能够清晰地展示音频和视频信息在推理过程中的作用，例如在情绪识别任务中明确关键模态信息。

实验结果显示，R1-Omni在同分布测试集（DFEW和MAFW）上相较于原始基线模型平均提升超过35%，在不同分布测试集（RAVDESS）上也展现了卓越的泛化能力，WAR和UAR均提升超过13%。这些成果验证了RLVR在提升模型推理能力和泛化性能上的显著优势。