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/}
为什么有的女生喜欢穿紧身牛仔裤？ 
哪些音频剪辑工具很好用？ 
为什么赡养老人这么难呢？ 
伊朗距离以色列上千公里，发射的导弹靠什么来导航定位呢？美国的GPS不会让他们用的。? 
黑龙江地区人口下降为何比俄罗斯远东远东联邦还快？ 
为什么华为价值2.3W的鸿蒙电脑用的是美国西数的中低固态硬盘？？ 
公司已经裁掉我了，还在继续安排大量工作给我，这合适吗？ 
男朋友要被裁员了，我该怎么相处? 
有哪些事，是社会底层人认识不到的? 
我国中央和地方的财政是怎样分配的？ 为什么同样是输球，常州和国足的风评却差那么多呢？ 
如何看待多地推出升级版「禁酒令」？ 
你怎么看待剪映收费过高问题？ 
中国的医院滥用ct的现象已经到什么程度了？ 
如何看待现在的前端？ 中国军事力量有希望达到全球第一吗？ 
