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/}
手术时把大脑拿出来还能接回去吗? 
为什么知乎上都是说电车没有油车好? postgresql也很强大，为何在中国大陆，mysql成为主流，postgresql屈居二线呢？ 
当我们变老之后，会像现在的老人一样，几乎完全不懂“手机电脑”这类新出现的电子产品吗？ 
吃爽了是怎样一种体验？ 
为什么很多用苹果电脑的人都不用鼠标啊? 
苹果为什么要给每代MacOS起个名字，真以为人们记得住分得清吗？ 
当下房子已经跌到这样了，你会买吗，为什么？ 
什么是 5G 固定无线接入（FWA）？ 
你见过身边身材最好的女生是什么样子的？ 
Apple watch 是否在干掉传统机械手表？ 
为什么程序员独爱用Mac进行编程？ 
为什么web worker可以在前端开多线程，解决单线程卡死页面的问题，但是没有得到广泛使用？ 
现在干什么能挣钱? 
请问照片里这个人是谁呀？ 
为什么大部分人都认为2560x1440是2K？ 
