**从预训练到后训练：深入理解大模型的推理能力演变**

_Understanding Reasoning from Pretraining to Post-Training_

> 该研究通过国际象棋和数学领域实验，揭示了预训练阶段对强化学习（RL）后训练效果的关键影响。研究发现，预训练损失可预测RL性能，且RL并非简单优化策略，而是能激发模型在难题中展现此前未显现的正确推理路径，为理解大模型推理机制提供了量化依据。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-07-20 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2607.16097)