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/}
字节大量使用新语言，包括go，rust等，为什么阿里一直都抱着j***a不松手？ 
每次去国外，别人一眼就看出我是中国人，是中国人身上有什么特质吗？ 
如何评价B站女主播“酒酿Lily王、Maggieyoo、水兵月野兔兔、CC宝玉玉、唐卡七”集体封禁？ 
30岁的人生有多无力？ 
***拍大尺度片子时摄影师不会看光吗？ 
一个程序员的水平能差到什么程度? 
明星为什么不低价办演唱会？ 
北京日报点名批评“苏超”过度娱乐化，它是否管的太宽了？为什么无良媒体不会被查封取缔？ 
如何部署Prometheus监控K8S？ 
你被哪个后来知道很sb的BUG困扰过一周以上吗？ 
如何看待杨笠2025年6月成都专场取消？ 杨幂论文一年间 AI 率从 0 飙至 91%，为什么会这样？AI 查重到底有没有统一标准？ 
为什么很多警察想辞职? 
有哪些BI工具惊艳了你？ 
为什么有的女生喜欢穿紧身牛仔裤？ 
西方人是怎么发现地球是圆的的？ 
