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/}
为什么说微软 Win11，有苹果 macOS 的感觉？ 
怎么用deepseek 编写程序代码开发软件？ 
为什么家里要用 NAS？家用 NAS 有哪些实际的、接地气的用途？ 
如何以“我是恶毒女配，但我摆烂了”为开头写一篇文？ 
Flutter 正在被悄悄放弃吗？ 
现在写 J***aScript 的是不是已经没人在用 class 这个关键字了？ 
为什么人到中年，很少有身材苗条的？ 
如何评价花系博主：前hr本人，溪溪大人，兔撕机等人被禁言? 
notion和Obsidian这两款软件选哪个？ 
理论上flutter性能应该非常高才对，为什么好些flutter应用性能一般？ 
NAS将来会被什么产品取代？ 
我国的军工能力可以实现一天5000枚火箭弹连着炸三个月吗？ 
纳斯达克100指数还有上涨空间么？ 
go 有哪些成熟点的后台管理框架？ 
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？ 
小朋友到底应不应该购买SWitch? 
