研究提出统一训练框架整合基础模型各训练阶段

研究提出统一训练框架，将预训练、监督微调和强化学习等阶段整合为单一似然优化算法，通过混合静态数据与RL生成数据在单个训练器中实现。该框架在控制实验和真实场景中改善了准确率与计算资源的权衡，并提升任务覆盖范围，同时保留模型广义能力，为持续学习提供更强起点。