已收录文章摘要，完整内容可前往原文阅读。
大家好，我是PaperAgent，不是Agent！大模型训练通常像一条流水线：预训练、中期训练、监督微调，再接强化学习。每一站不仅换数据，也换目标、脚本和系统。卡内基梅隆大学（CMU） 这篇论文给出了