MIT 提出 SOLE-R1：视频语言推理充当唯一奖励，机器人零样本在线学技能

MIT 与 RAI Institute 发布 SOLE-R1，一个充当在线 RL 唯一奖励信号的视频语言推理模型，代码、模型、数据均已开源。它仅凭原始视频和自然语言目标做时空链式推理（CoT），输出稠密的任务进度估计直接作为奖励，训练采用 SFT + 可验证奖励 RL 的混合框架。