已收录文章摘要，完整内容可前往原文阅读。
导读基础模型后训练通常依赖外部监督：人工标注、偏好数据、更强教师模型，或数学验证器、单元测试、可执行环境等外部反馈。本文关注的是另一条正在快速增长的路线：无监督后训练。它只使用未标注输入，并从同一模型