internalization

本文提出OneModel，一种统一的AI范式，将复杂业务工作流整合到单一模型的参数中，通过持续预训练和逻辑编译，在金融服务中实现超过50%的延迟降低和准确性的提升。

本文介绍了ICRL框架，该框架联合训练求解器和批判器，通过强化学习内化批判指导，使求解器无需外部批判即可自我改进。它使用分布校准和角色分组优势估计，在智能体和数学推理任务上比GRPO提高了6-7个点。