CMU论文提出统一预训练、微调与RL的单一训练规则

2026年10月31日，X 平台账号 Rohan Paul 发帖介绍卡内基梅隆大学的一篇新论文。该帖称，论文提出预训练、微调与强化学习（RL）可以共用同一套训练规则，并且把各阶段数据按比例混合，往往优于分阶段训练。帖文还称，作者把一种名为 MaxRL 的 RL 形式改写为对模型自身正确答案做似然训练，使同一个训练器能按任意比例混合预训练文本、精选数据和 RL 样本。上述内容均来自该帖对论文的转述，帖文未给出论文标题、作者名单或实验细节，也未说明该方法的适用模型规模与数据配比范围。目前事件进展停留在论文方法介绍层面，尚无独立复现或后续跟进报道。

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。