Math Base 模型在起始阶段就展现出分步骤思考能力。 我们统计分析了分步骤思考的关键词出现的频数，发现基础模型已展现出较强的目标分解，分步骤解题能力。 随着训练的进行，模型首先经历了来自 format 奖励的优化（step12），在输出分布上出现了较大变化。