CMU论文：预训练、微调与RL可合并为单一训练规则

卡内基梅隆大学发表的一篇新论文提出，预训练、微调和强化学习（RL）可以共享同一套训练规则，把这三类数据按任意比例混合训练，效果往往优于分阶段训练。 据 X 用户 Rohan Paul 转述，作者把一种名为 MaxRL 的 RL 方法重构为对模型自身正确答案的似然训练，从而让单一训练器同时混合预训练文本、精选数据和 RL 样本。该结论目前来自论文及上述转述，尚未见独立验证。

AI 根据报道生成 · 44 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。