研究者提出统一基础模型训练算法

发生了什么

据研究者发布，基础模型训练各阶段（预训练、中段训练、SFT、RLHF、RLVR）可统一于单一最大似然算法。该研究通过最大似然强化学习（MaxRL）将强化学习目标纳入统一框架，旨在将模型开发重心从算法优化转向数据优化。实验表明，该统一训练方法在准确性、覆盖范围及计算效率上均优于传统分阶段训练。