研究提出用单一算法训练基础模型

一篇论文提出统一训练（unified training）框架，把预训练、midtraining、SFT 和 RL 等阶段统一到同一个基于似然的训练算法下，将各阶段的 RL 目标推导为对模型生成目标分布的最大似然拟合。作者在单一训练器中混合静态数据与 RL 生成，在受控和真实实验中称该方式改善了精度与算力的权衡和任务覆盖，同时保留更广泛能力，并为持续学习提供更好的起点。