這個工作其實包含了兩部分，從論文的摘要里可以看到，一個是統(tǒng)一的可復用的RL訓練框架，V-Triune，另一個是訓練好的結(jié)果模型：Orsta。

這兩者的關(guān)系很簡單，就是框架是可以復用的，可以用這個框架生成各種模型，文中的Orsta就是基于開源QwenVL的7B和32B模型生成的，所以這套框架的最大優(yōu)勢就是 model free，理論上可以應(yīng)用在任意的模型，無論是開源還是閉源。

并且這套框架最牛的地方在于把VLMs（Visual Langugage Models）的兩個…。