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/}
美军 B-2 轰炸机参与袭击伊朗核设施，B-2轰炸机战斗力如何？会摧毁伊朗核设施吗？ 
穿瑜伽裤爬山的女生会不会害羞？ 
自己组一个E5服务器才几百块钱，为什么去阿里云租这么贵? 
女子辅导作业时崩溃，怒扇孩子数十个耳光，不停尖叫踹翻风扇，如何看待此事？给孩子辅导作业是种怎样的体验？ 
如何看待Ollama基于Go语言开发而不是别的编程语言？ 
如何判断鱼缸中的硝化系统是否已经成功建立？ 
特朗普称美国完成对伊朗三处核设施的打击，具体情况如何？伊朗会如何反击？ 
有哪些让你目瞪口呆的 Bug ？ 
为什么抖音直播大半都是女主播在擦边？ 
Mac上有那些你认为极其好用的***？ 
为什么人到中年，很少有身材苗条的？ 
LCD党真的只是少部分人吗？ 
SwiftUI 是不是一个败笔？ 
为什么 Windows 没有比较成熟的第三方桌面环境（explorer.exe）？ 稍稍一运动就大汗淋漓从中医角度来说是什么原因？ 如何解读穷则独善其身，达则兼济天下？ 
