蚂蚁集团发布 M2-Reasoning-7B：通用与空间推理能力领先的多模态大模型

蚂蚁集团 inclusionAI 项目组 正式发布 M2-Reasoning-7B，一个在通用推理与空间推理领域表现卓越的多模态大语言模型（MLLM）。该模型基于 70 亿参数架构，通过创新的数据生成流水线和动态多任务训练策略，在 8 个主流基准测试中创下新的技术领先（SOTA），展现了其在复杂推理任务上的强大能力。

• GitHub：https://github.com/inclusionAI/M2-Reasoning
• 模型：https://huggingface.co/inclusionAI/M2-Reasoning

模型亮点

• ✅ 通用推理能力领先：在数学、逻辑等抽象任务中表现出色
• ✅ 空间推理能力突破：理解物体关系、方向、运动与物理交互
• ✅ 多模态融合能力：结合视觉与语言信息，解决复杂视觉-语言任务
• ✅ 高质量数据驱动：构建 294.2K 高质量样本数据集，支持冷启动与强化学习阶段训练
• ✅ 开源可复现：训练流程与数据构建策略公开，便于研究与优化

模型概述

尽管当前多模态大语言模型（MLLM）在语言理解和视觉生成方面取得了显著进展，但在处理动态空间推理任务（如物体关系理解、空间感知、物理模拟）方面仍存在明显短板。

M2-Reasoning-7B 通过以下两大核心创新，突破了这一瓶颈：

创新一：高质量推理数据流水线

我们构建了一个多阶段数据合成与筛选系统，共生成：

• 168K 数据样本用于冷启动微调
• 126.2K 数据样本用于强化学习（RLVR）阶段

这些数据具有逻辑一致的推理轨迹，涵盖数学、逻辑、视觉问答、空间推理等多种任务，并经过全面评估，确保其质量与多样性。

创新二：动态多任务训练策略

为缓解不同任务之间的数据冲突，我们提出：

• 逐步动态优化机制：分阶段训练，逐步提升模型能力
• 任务特定奖励机制：为不同任务设计定制化激励信号，提升训练效率与模型表现

主要功能

M2-Reasoning-7B 支持以下核心功能：

1. 通用推理任务：
   • 解决数学问题（如代数、几何、概率）
   • 执行逻辑推理（如命题逻辑、推理链）
2. 空间推理任务：
   • 理解物体位置、方向、运动轨迹
   • 推理房间大小、物体相对距离、空间关系
3. 多模态任务处理：
   • 视觉问答（VQA）
   • 图像描述生成
   • 多模态推理与决策

工作原理

M2-Reasoning-7B 的训练流程分为以下几个关键阶段：

1. 数据合成与筛选
   使用自动化问题生成器和推理轨迹模拟器，构建大量逻辑一致的推理样本。
2. 冷启动阶段（SFT）
   使用监督微调（SFT）激活模型的基本推理能力，并统一输出格式。
3. 强化学习阶段（RLVR）
   使用可验证奖励的强化学习（RLVR），优化推理路径，提高泛化能力。
4. 任务特定奖励机制
   为不同任务设计不同的奖励函数，尤其是空间推理任务，引导模型学习更准确的推理路径。

模型评估

我们在多个权威基准测试中对 M2-Reasoning-7B 进行了全面评估，覆盖通用推理与空间推理两个核心方向。

通用推理性能（数学与逻辑）

M2-Reasoning-7B 在所有任务上均表现优异，平均得分领先其他模型 9.5 分。

🌍 空间推理性能

CV-Bench 结果

VSI-Bench 结果

M2-Reasoning-7B 在空间推理任务中表现突出，尤其在 CV-Bench 上达到 82.3 分，超越 Gemini-1.5-pro 和 InternVL3-8B。