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/}
男朋友说我穿裙子不要敞开腿坐这是他底线，我该怎么办？ 
预测一下，下一次阅兵会出现什么武器震惊世界？ 
老板说我设计了一周的海报还是不行，我到底该怎么学啊？ 
为什么在中国邮箱不流行？ 
我要去广州开游戏公司了，开发独立游戏！有什么可以叮嘱我的吗？ 
印度是真的烂还是咱们在信息茧房里面？ 
为什么人在潜艇中待不超过90天，但在空间站上却可以待6个月？ 
大家为什么会讨厌缩写？ 
055一打一能不能打过阿利伯克？ 
为什么大部分人都认为2560x1440是2K？ 
微软宣布 5 月 28 日开始下架「Microsoft 远程桌面」应用，背后原因有哪些？ 
如何用防火墙禁止软件联网? 
骑车后腰疼直不起来做什么运动比较好呢？ 你怎么看待剪映收费过高问题？ 
IntelliJ IDEA 中有什么让你相见恨晚的技巧？ ant-design-vue 社区为什么不维护了？ 
