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/}
独立开发***能盈利吗？感觉好累... 
uni***真的很垃圾吗？ 
为什么民众更关注华为对5nm芯片的突破，而不是关注小米已经自研的3nm芯片？ 
通过重体力劳动练出来的肌肉和标准健美人员肌肉有什么不同？ 
如果战争爆发，中国普通老百姓枪都不会打该怎样自卫？ 
为什么中国男性正在集体退出相亲市场？ 
万兆的网络速度有多大意义？ 如何评价***伊内斯·特洛奇亚的身材？ 
为什么感觉现在的 bilibili 很没意思？ 
如何看待凤凰传奇取消天津场演唱会？ 
如何评价张靓颖刘宇宁《九万字》? 
为什么台式 PC 还处在组装（DIY）阶段？ 
为什么 WebStorm 这么好用还会有人去用 VSCode？ 
女生可以在家中裸居吗？ 
Flutter 为什么没有一款好用的UI框架？ 
为什么现在很多一线大导演连讲好一个故事都做不到? 
