这个工作其实包含了两部分，从论文的摘要里可以看到，一个是统一的可复用的RL训练框架，V-Triune，另一个是训练好的结果模型：Orsta。
这两者的关系很简单，就是框架是可以复用的，可以用这个框架生成各种模型，文中的Orsta就是基于开源QwenVL的7B和32B模型生成的，所以这套框架的最大优势就是 model free，理论上可以应用在任意的模型，无论是开源还是闭源。
并且这套框架最牛的地方在于把VLMs（Visual Langugage Models）的两个…。
{dede:pagebreak/}
为什么感觉wps的用户越来越多，office没人用了? 
如果现在南京市整体穿越到1937年，能守住南京吗？ 
Windows上有没有一分多屏和多屏合一的软件？ 
能分享一下你写过的rust项目吗？ 
RX9070XT和RTX 5070Ti选哪个？ 中国有能打到美国本土的导弹吗……有的话最远能打到哪里呢？ 
如何看待Ghost Cell?（Rust）? 
黄晓明上戏考博落榜，本人回应「明年再战」，怎样看明星对高学历的追求？上戏博士有多难考？ 
大家当下的经济形势好转了吗？ 
俄罗斯为什么不用苏57？ 
Golang和J***a到底怎么选? 
你最狂的一次，做了什么？ 
安抚奶嘴会影响嘴形吗？ 
鱼缸有没有简单的过滤配置搭配方式？ 
Chrome 插件开发流程是什么？ 
为什么说中国是基建狂魔？ 
