ROME 训练管线拆解：500B token CPT 加两阶段 SFT 与 RL

ROME 的三阶段训练管线被拆解：Stage 1 在 5000 亿 token 的结构化代码任务上做 CPT 持续预训练，Stage 2 是带错误掩码的两阶段 SFT，Stage 3 是块级优化的 RL。各阶段逐级递进，走的是系统性能力积累路线而非捷径。