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/}
最流氓的软件可以流氓到什么程度？ 
Python+rust会是一个强大的组合吗？ 
为什么中国很少有人使用linux？ 
扫黑风暴为什么他们费老大劲杀这么多人不如直接把督导组干掉？ 
如果1000个犹太人，和1000个中国人，同时在一块地殖民，谁能赢？ 
中餐炒菜那么好吃，为什么欧美人不学去？ 
Rust 的设计缺陷是什么？ 
现在已经有5K、6K、8K分辨率显示器，那么8K之后是什么？ 
太空中没有氧气，为什么太阳还在燃烧？ 
Rust据说是这样先进，那Rust编译器也总该是Rust写的吧？ 
有哪些BI工具惊艳了你？ 
家里想搞一个服务器，怎么才不违规？ 
为什么组装电脑的人喜欢用大功率电源？ 
如何评价 Bilibili 未经用户同意私自开启大量 UPnP 端口，疑似盗用用户的带宽？ 
什么是 AI Agent（智能体）？ 
究竟怎么学习IOS 开发啊？ 
