基础模型统一训练方法研究

2026年11月1日，X平台账号DAIR.AI发布消息称，CMU等机构在一篇论文中提出基础模型统一训练方法。该方法将预训练、中期训练、监督微调（SFT）和强化学习（RL）纳入同一似然算法，使强化学习生成过程与静态数据共享损失函数和训练器。目前报道仅介绍该方法及其统一训练框架，未披露论文名称、实验结果、模型规模及后续验证进展。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。