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/}
92年的大龄剩女，还有必要结婚吗? 
为什么西方诞生了三权分立，东方没有诞生三权分立？ 
如何评价《头文字D》中的夏树？ 
Electron是否有作为游戏引擎的潜力？ 
为什么欧美影视喜欢露点？ 
体制内女老师，被关系户欺负，大吼——"不干就给老子滚"，我该怎么办？ 
健身教练们觉得女生怎样的身材才是好身材？ 
写业务的话，go是不是垃圾？ 
为什么苹果使用微信小程序比安卓要流畅很多？ 
《我是歌手》至今来的歌手哪一位最悲剧？为什么？ 
降维打击是什么？ 
群晖那么垃圾为什么还那么多人推？ 
龙的原型是不是鳄鱼? 
鱼缸有哪些寿命比较长的草推荐呢？ 
新手想要打好篮球，主要练运球还是投篮？ 
人工智能相关专业里有什么「坑」吗？ 
