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…。

上一篇 : 围棋比赛上有什么开始觉得很好笑，但是细思极恐的事？
下一篇 : 编程语言 MoonBit 发布 Beta 版，正式进入企业场景应用，会带来哪些影响？