**单算法统一训练：将基础模型全生命周期简化为概率拟合**

_Training Foundation Models with a Single Algorithm_

> 研究提出了一种“统一训练”框架，通过推导强化学习目标为最大似然拟合，将预训练、微调及强化学习等阶段整合为单一算法。该框架将模型训练转化为数据选择与配比优化问题，实验表明其在提升准确率与计算效率比、增强任务覆盖及支持持续学习方面优于传统分阶段训练。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-10-30 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2610.40564)