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/}
Vue性能优于React，那为什么还不用Vue？ 
你卡过最厉害的bug是什么？ 
Cloudflare是一家什么样的公司？ 
为什么windows的arm版没有被广泛使用？ 
我应该设置多少kb才能让他不能玩游戏？ 
把《武林外传》中的打工人郭芙蓉放在现代，她能干长久吗？ 
胸大的女孩会自卑 吗？ 
为什么有的女生喜欢穿紧身牛仔裤？ 
为什么成功人士的精力都非常旺盛？ 
为什么好看的家一看就是国外的？ 
男朋友说我穿衣服太开放，难道好身材不应该显示出来吗？ 
能够自己一个人创业的全栈web码农fullstack developer要会哪些技术？ 
大街上看到大白腿，忍不住瞄了两眼，算不算不尊重女性？ 
你最真实（很少吐露）的择偶标准是什么？ 
有哪些新生代没见过或者无法理解的 Windows XP 7 时代的事情？ 
国产手机AI「好用」的背后，是技术差距还是文化差异？ 
