arXiv论文：基于统一极大似然算法融合大模型全生命周期训练

Training Foundation Models with a Single Algorithm 一项研究指出基础模型预训练、中训、监督微调（SFT）和强化学习（RL）之间的算法隔离并非本质需求。通过将RL目标推导为对模型自身生成目标分布的极大似然拟合，研究团队将各个阶段统一至单一似然算法体系下，构建了混合静态数据与RL生成的统一训练系统。实验表明，统一训练在保持广泛能力的同时改善了精度与算力的权衡，为持续学习提供了更优起点。