统一多模态推理

OneThinker：面向图像与视频的一体化推理模型

OneThinker: All-in-one Reasoning Model for Image and Video

把图像与视频的问答、描述、空间/时序定位、跟踪、分割统一进一个 MLLM，并用 EMA-GRPO 处理多任务 RL 的奖励异质性，为做统一视觉推理模型的人提供了可复用的多任务 RL 平衡策略与跨任务知识迁移证据。