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/}
你是什么时候开始感觉到中国已经很强大了？ 
为什么一部分 Go 布道师的博客不更新了？ 
如何看待OpenAI把原定六月开源的模型推迟到八月？ 
为什么没有核动力货轮？ 
国密加密算法有多安全呢？ 
你卡过最厉害的bug是什么？ 
刘强东称「跨境电商的模式长期来看不可持续」，有依据吗？京东不走跨境电商模式，对其国际市场布局有何影响？ 
PHP现在真的已经过时了吗？ 
雷军为什么没有绯闻? 
这种裙子是不是对直男爆杀？ 
女朋友是体育生是一种什么体验？ 
评价一下Proxmox VE与ESXi的优劣？ 
2025年小米su7 性价比很低了，为何还不更新改款？ 
MacOS真的比Windows流畅吗？ 
现在淘宝大部分商家怎么不敢说当天几点发货了？ 
如何评价伊朗国家电视台宣布今晚将发生大事，让世界铭记几个世纪？ 
