SSL-R1：面向多模态大语言的自监督视觉强化后训练

基于可验证奖励的强化学习（RLVR）在增强多模态大语言模型（MLLM）推理能力方面潜力巨大，但其依赖语言先验及昂贵的人工标注限制了视觉理解与可扩展性。本文提出 SSL-R1，一种通用的自监督强化学习框架，直接从图像中推导可验证奖励。通过将自监督学习任务重构为可验证的视觉谜题，该方法无需人工或外部模型监督即可进行后训练。实验表明，该框架显著提升了 MLLM 在多模态理解与推理基准上的表现，证明了利用视觉中心自监督任务进行大规模强化学习的可行性。