Update README_ZH.md

README_ZH.md

@@ -9,7 +9,7 @@
 
 ## 1. 介绍
 
-我们推出Skywork-R1V，一种多模态推理模型，通过近乎无损的迁移方法，将R1系列文本模型扩展到视觉模态。Skywork-R1V采用轻量级视觉投影器，无需重新训练基础语言模型或视觉编码器，即可实现无缝的多模态适配。为提升视觉-文本对齐，我们开发了结合迭代监督微调（SFT）与组相对策略优化（GRPO）的混合优化策略，显著提高了跨模态融合能力。此外，我们创造了一种自适应长度的思维链（Chain-of-Thought）蒸馏方法用于生成推理数据，动态优化推理链长度以提高推理效率并避免过度推理。该模型在重要多模态推理基准测试中达到最先进水平，在MMMU上得分68.1，在MathVista上得分71.0，可与领先的闭源模型（如Gemini 2.0和Kimi-k1.5）媲美。同时，它还保持了出色的文本推理能力，在AIME达到72.6分，在MATH500达到94.3分。
+我们推出Skywork-R1V，一种多模态推理模型，通过近乎无损的迁移方法，将R1系列文本模型扩展到视觉模态。Skywork-R1V采用轻量级视觉投影器，无需重新训练基础语言模型或视觉编码器，即可实现无缝的多模态适配。为提升视觉-文本对齐，我们开发了结合迭代监督微调（SFT）与组相对策略优化（GRPO）的混合优化策略，显著提高了跨模态融合能力。此外，我们创造了一种自适应长度的思维链（Chain-of-Thought）蒸馏方法用于生成推理数据，动态优化推理链长度以提高推理效率并避免过度推理。该模型在重要多模态推理基准测试中达到最先进水平，在MMMU上得分69.0，在MathVista上得分67.5，可与领先的闭源模型（如Gemini 2.0和Kimi-k1.5）媲美。同时，它还保持了出色的文本推理能力，在AIME达到72.6分，在MATH500达到94.3分。
 
 ## 2. 模型概述
 
@@ -39,7 +39,7 @@ Skywork-R1V采用模块化架构，有效结合视觉和语言能力：
 </div>
 
 <div align="center">
-  <b>Evaluation results of state-of-the-art LLMs and VLMs</b>
+  <b>Evaluation results of LLMs and VLMs</b>
 </div>
 <table>
   <thead>
@@ -57,7 +57,6 @@ Skywork-R1V采用模块化架构，有效结合视觉和语言能力：
       <th align="center"><strong>GPQA</strong></th>
       <th align="center"><strong>MathVista(mini)</strong></th>
       <th align="center"><strong>MMMU(Val)</strong></th>
-      <th align="center"><strong>CSVQA</strong></th>
     </tr>
     <tr>
       <th></th>
@@ -67,7 +66,6 @@ Skywork-R1V采用模块化架构，有效结合视觉和语言能力：
       <th align="center">pass@1</th>
       <th align="center">pass@1</th>
       <th align="center">pass@1</th>
-      <th align="center">pass@1</th>
     </tr>
   </thead>
   <tbody>
@@ -79,7 +77,6 @@ Skywork-R1V采用模块化架构，有效结合视觉和语言能力：
       <td align="center">49.0</td>
       <td align="center">-</td>
       <td align="center">-</td>
-      <td align="center">-</td>
     </tr>
     <tr>
       <td>Deepseek V3</td>
@@ -89,7 +86,6 @@ Skywork-R1V采用模块化架构，有效结合视觉和语言能力：
       <td align="center">59.1</td>
       <td align="center">-</td>
       <td align="center">-</td>
-      <td align="center">-</td>
     </tr>
     <tr>
       <td>Deepseek R1</td>
@@ -99,7 +95,6 @@ Skywork-R1V采用模块化架构，有效结合视觉和语言能力：
       <td align="center">71.5</td>
       <td align="center">-</td>
       <td align="center">-</td>
-      <td align="center">-</td>
     </tr>
     <tr>
       <td>Claude 3.5 Sonnet</td>
@@ -109,7 +104,6 @@ Skywork-R1V采用模块化架构，有效结合视觉和语言能力：
       <td align="center">65.0</td>
       <td align="center">67.7</td>
       <td align="center">68.3</td>
-      <td align="center">-</td>
     </tr>
     <tr>
       <td>GPT-4o</td>
@@ -119,7 +113,6 @@ Skywork-R1V采用模块化架构，有效结合视觉和语言能力：
       <td align="center">53.6</td>
       <td align="center">63.8</td>
       <td align="center">69.1</td>
-      <td align="center">-</td>
     </tr>
     <tr>
       <td>Kimi k1.5</td>
@@ -129,7 +122,6 @@ Skywork-R1V采用模块化架构，有效结合视觉和语言能力：
       <td align="center">-</td>
       <td align="center">74.9</td>
       <td align="center">70.0</td>
-      <td align="center">-</td>
     </tr>
     <tr>
       <td>Qwen2.5-VL-72B-Instruct</td>
@@ -139,7 +131,6 @@ Skywork-R1V采用模块化架构，有效结合视觉和语言能力：
       <td align="center">-</td>
       <td align="center">74.8</td>
       <td align="center">70.2</td>
-      <td align="center">-</td>
     </tr>
     <tr>
       <td>LLaVA-Onevision-72B</td>
@@ -149,7 +140,6 @@ Skywork-R1V采用模块化架构，有效结合视觉和语言能力：
       <td align="center">-</td>
       <td align="center">67.5</td>
       <td align="center">56.8</td>
-      <td align="center">-</td>
     </tr>
     <tr>
       <td>InternVL2-Llama3-76B</td>
@@ -159,7 +149,6 @@ Skywork-R1V采用��块化架构，有效结合视觉和语言能力：
       <td align="center">-</td>
       <td align="center">65.5</td>
       <td align="center">58.3</td>
-      <td align="center">-</td>
     </tr>
     <tr>
       <td>InternVL2.5-78B</td>
@@ -169,7 +158,6 @@ Skywork-R1V采用模块化架构，有效结合视觉和语言能力：
       <td align="center">-</td>
       <td align="center">72.3</td>
       <td align="center">70.1</td>
-      <td align="center">-</td>
     </tr>
     <tr>
       <td>Skywork-R1V-38B</td>
@@ -177,9 +165,8 @@ Skywork-R1V采用模块化架构，有效结合视觉和语言能力：
       <td align="center">94.0</td>
       <td align="center">72.0</td>
       <td align="center">61.6</td>
-      <td align="center">71.0</td>
-      <td align="center">68.1</td>
-      <td align="center">XXX</td>
+      <td align="center">67.5</td>
+      <td align="center">69.0</td>
     </tr>
   </tbody>
 </table>
@@ -239,7 +226,7 @@ Skywork-R1V采用模块化架构，有效结合视觉和语言能力：
       <td align="center">71.9</td>
       <td align="center">49.5</td>
       <td align="center">63.7</td>
-      <td align="center">71.0</td>
+      <td align="center">67.5</td>
     </tr>
     <tr>
       <td>MMMU(Val)</td>
@@ -247,7 +234,7 @@ Skywork-R1V采用模块化架构，有效结合视觉和语言能力：
       <td align="center">63.9</td>
       <td align="center">55.1</td>
       <td align="center">55.2</td>
-      <td align="center">68.1</td>
+      <td align="center">69.0</td>
     </tr>
     <tr>
       <td>CSVQA</td>
@@ -291,22 +278,13 @@ python demo.py
 
 ---
 
-## 6. 附加资源
-
-- [📂 GitHub仓库](https://github.com/your-repo)
-- [🗨️ Chat Demo](#)
-- [🚀 快速入门](#快速入门)
-- [📖 完整文档](#)
-
----
-
-## 7. 引用
+## 6. 引用
 如果您在研究中使用了Skywork-R1V，请引用：
 
 ```
 @article{skywork2025r1v,
-  title     = {Skywork-R1V: Bridging Vision and Language for Advanced Multimodal Reasoning},
-  author    = {SkyworkVL Team},
+  title     = {Skywork-R1V: Skywork R1V: Bridging Vision and Language for Advanced Multimodal Reasoning},
+  author    = {Yi Peng, Chris, Xiaokun Wang, Yichen Wei, Jiangbo Pei, Weijie Qiu, Ai Jian, Yunzhuo Hao, Jiachun Pan, Tianyidan Xie, Li Ge, Rongxian Zhuang, Xuchen Song, Yang Liu, Yahui Zhou},
   year      = {2025},
   journal   = {arXiv preprint arXiv:XXXX.XXXXX},
   url       = {https://github.com/skywork-ai/Skywork-R1V}