以下为上游提供的源文稿，可能存在识别错误。
乔木转写是基于源文稿的中文提炼，不是逐字翻译。请核对原文中的人名、数字与观点。
选一篇，慢慢读
从左侧挑一篇，正文会在这里排成书页。
Foundation models are typically trained in stages: pretraining, midtraining, supervised fine-tuning (SFT), and reinforcement learning (RL), with changes in both data and learning algorithms. We show that this algorithmic separation is not fundamental. By deriving suitable RL objectives as maximum-likelihood fitting to
阅读原文 · Yuda Song, Alvin Zhang, Fahim Tajwar, Daman Arora, Jeff Schneider, Daniel Khashabi, Ruslan Salakhutdinov, J. Andrew Bagnell, Aarti Singh, Andrea Zanette
向阳乔木 · opencode-go/deepseek-v4.1-flash
基础模型的训练一直是分阶段的：预训练、中训练、SFT、RL，数据和算法都在换。这篇论文想证明，这种算法层面的割裂 不是必然的 。 它把预训练、SFT、RL 都看成同一件事的不同参数配置：对某个目标分布做最大似然拟合。如果这个视角成立，训练基础模型就退化成三个调度问题：训什么数据、各占多少比例、什么时候上。 对做训练系统和数据配比的人，这篇值得翻一翻。 这篇论...