新型VLM强化学习方法，合并检查点创建教师模型，提效降本

GTR-Turbo：合并检查点暗藏免费教师

一种新颖的VLM强化学习方法，通过合并训练检查点来创建教师模型，消除了对昂贵GPT/Gemini的需求。将准确率提升10-30%，同时减少50%训练时间和60%计算成本。