用强化学习（GRPO）训练视觉语言模型做视觉理解，把 DeepSeek-R1 那套推理强化思路搬到多模态场景，适合研究 VLM 推理能力。
支持 Flux Kontext dev 多图输入的推理与训练框架，可配合 LoRA 做参数高效微调，适合需要多图条件生成的图像模型实验。
…队列。引导在安全执行边界生效，已完成的外部操作不会自动撤销。 - 从资料输入到成果交付更连贯 ：支持多图输入和保留目录结构的文件夹上传；回答可组合图表、图片与图文卡片，简短表单帮助一次收集任务条件，文件交付物可继续预览与下载。 - 切换会话，也能接着工作 ：会话草稿、侧栏与阅读位置随任务保留，实时输出与历史读取衔接。智能体被删除或撤回访问