研究：多阶段 LLM 训练可拆解为可叠加的任务向量

一项研究提出，多阶段 LLM 训练流程可理解为对权重的增量修改，midtrain 与 RLVR 阶段均可表示为任务向量。将各阶段权重增量相加后结果仍符合预期，理论上中间阶段可以省略，即 final = base + (rlvr − base)，为训练过程的可拆解性与可组合性提供新视角。