Embodied-Reasoner：浙江大学·中科院·阿里巴巴がOpenAI o1を凌ぐ推論モデルをオープンソース化

具身推論のオープンソースブレークスルー

浙江大学コンピュータ科学部、中国科学院ソフトウェア研究所、アリババグループDAMOアカデミーの共同研究チームが、対話型物理タスクにo1スタイルの深い思考をもたらす完全オープンソースのマルチモーダル具身推論モデルEmbodied-Reasonerを公開。

業界大手を凌駕

AI2-THORシミュレーターでの809テストケースの評価において、Embodied-Reasoner（7B）は以下を達成：

• 80.96%のタスク成功率（OpenAI o1 71.73%、o3-mini 56.55%を上回る）
• 55.07%の探索効率（全テストモデル中最高）
• 86.30%のタスク完全性
• 54.29%の複合マルチステップタスク成功率

三段階トレーニングパイプライン

1. 9,300の合成軌跡での模倣学習
2. 拒否サンプリングによる自己探索
3. リフレクションチューニングによる自己修正

実世界での検証

キッチン、バスルーム、寝室での実世界物体探索タスクで一貫した空間推論を実証。

オープンな提供

2Bおよび7Bパラメータバージョンで利用可能。

論文: arXiv:2503.21696 | コード: https://github.com/zwq2018/embodied_reasoner