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/}
爱因斯坦“相对论”是否错了，我始终无法理解为什么物体达到光速时间就会停止？ 
多年后再遇见初恋会是什么感觉？ 
伊朗那么大却被一个小小的以色列打的无法还手？很多高层领导都被干掉了为什么？ 
为什么QQ上的网络状态没有了？ 
国密加密算法有多安全呢？ 
日本AV对中国人的毒害有多大？ 
异性同办公室久了会不会日久生情？ 
胸大的女孩子有什么烦恼？ 
周杰伦为什么不告粥饼伦黑伦侵犯他的名誉权? 
有一个***约你出去，你会去吗？ 
前端，后端，全栈哪个好找工作？ 
国党去台湾以后为什么支楞起来了了？ 
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？ 
把《武林外传》中的打工人郭芙蓉放在现代，她能干长久吗？ 
都说网约车不赚钱，为什么还有人不停的入坑？ 
瑜伽裤和牛仔裤哪个更显身材？ 
