本研究解决了传统监督微调方法在序列到序列任务中的局限性，提出了一种无任务依赖的框架，允许模型生成中间的“热身”序列作为生成的初始状态。通过优化这些热身序列以提高目标序列生成的概率，本方法在翻译、摘要和多项选择逻辑推理等任务中超越了传统的监督微调方法，展现出良好的可扩展性和灵活性。