Self-Improving Training & Thinking：将思考与强化学习提前至预训练与中期训练阶段

该研究提出一种新的预训练与中期训练方法，利用现有强力后训练模型改写数据并判断策略模型轨迹，从而在训练早期引入思考与强化学习。 方法包含自改进后思考概念，通过生成后推理来提升模型推理与自我判断能力，实验显示在多个维度上均能带来显著增益。 这一方法旨在解决传统分阶段训练导致安全、事实性等关键能力添加过晚的问题。