概念Unified Training
统一训练
一种将预训练、中训练、监督微调和强化学习等大模型训练阶段统一为基于似然的单一算法框架的训练范式，核心是将RL目标转化为最大似然拟合，使各阶段共享同一优化语言，训练策略从算法切换转变为数据调度决策。
时间轴 (近 90 天)
10月30日
一项新研究提出将RL目标推导为对模型生成目标分布的最大似然拟合，从而将预训练、SFT和RL统一到同一族目标函数。
待验证50%
10月30日
该研究提出统一训练（unified training）框架，将所有训练阶段纳入单一基于似然的训练算法。
待验证50%
10月30日
统一训练框架被认为能提供更强的持续学习起点，是因为所有阶段共享同一目标函数，模型参数始终处于同一个优化景观中。
待验证50%
10月30日
论文将混合静态数据与RL生成数据的最优配比转化为数据选择问题，但选择策略本身仍需要方法论支撑。
待验证50%
10月30日
摘要中提到的“保留更广泛能力”和“更强持续学习起点”属于定性表述，实际增益幅度和在不同模型规模下的稳定性需要后续工作给出更细致的证据。
待验证50%
全部知识事实 (5)
待验证
一项新研究提出将RL目标推导为对模型生成目标分布的最大似然拟合，从而将预训练、SFT和RL统一到同一族目标函数。
50%待验证该研究提出统一训练（unified training）框架，将所有训练阶段纳入单一基于似然的训练算法。
50%待验证统一训练框架被认为能提供更强的持续学习起点，是因为所有阶段共享同一目标函数，模型参数始终处于同一个优化景观中。
50%待验证论文将混合静态数据与RL生成数据的最优配比转化为数据选择问题，但选择策略本身仍需要方法论支撑。
50%待验证摘要中提到的“保留更广泛能力”和“更强持续学习起点”属于定性表述，实际增益幅度和在不同模型规模下的稳定性需要后续工作给出更细致的证据。
50%