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/}
***如把一只成年湾鳄丢到太平洋中央，它生存下来的几率大吗？ 
***拍大尺度片子时摄影师不会看光吗？ 
现在干什么能挣钱? 
广西，如何才能发展起来？ 
蔡澜曾说「年轻人要存到 100 万以上，这是脱离牛马生活的第一步」，怎样看这一观点？ 
你的低成本爱好是什么？ 
目前最具性价比的全栈路线是啥？ 
公司规定所有接口都用 post 请求，这是为什么？ 
桂林米粉为什么走不出桂林? 
你最真实（很少吐露）的择偶标准是什么？ 
控制一定范围内的塑料会不会是个很强的超能力？ 
Akid（王懿）怎么会饿死的？ 你怎么看中国IMO奥数憾失第一，五连冠统治被美国队终结这件事呢？ 
为什么好多人不承认大众审美就是喜欢白皮？ 
我是新手想养鱼，预算不超过200。有什么好的建议或者禁忌吗。？ 
鱼缸能不能做到一直不换水还很清澈？ 
