请问R1V2中的MPO数据集是如何构造的呢

[wucx888]

很不错的工作，关于文中的MPO，有几个问题想请教一下：
1、数据是MMPR数据集还是另外构造的呢，具体构成是什么样的呢
2、MPO用的数据集是带思考过程的吗
3、Skywork-VL reward model是用于构造chosen和reject的吗

[Orlando-CS]

1. 是另外构造的，用的开源和闭源的合集。其中开源包括onevision等数据集，闭源是中文高考的数据
2. 是带思考过程的 可以看下https://github.com/SkyworkAI/Skywork-R1V/blob/main/SkyworkVL_RM.pdf
3. 是的

[wucx888]

多谢指教，对了，MPO有加入纯文本数据吗？
另外一点感觉比较神奇的是，没有经过深度预训练融合的vit和LLM，直接MPO后，在几个多模态benchmark上效果还不错，也好奇比如OCRBench、MME之类对视觉能力要求高一点的benchmark有测试过吗，效果怎么样呢

1. 是另外构造的，用的开源和闭源的合集。其中开源包括onevision等数据集，闭源是中文高考的数据
2. 是带思考过程的 可以看下https://github.com/SkyworkAI/Skywork-R1V/blob/main/SkyworkVL_RM.pdf
3. 是的

[Orlando-CS]

有测试过，OCRBench之类的
可以看 https://huggingface.co/papers/2504.16656 ，里面都披露了