研究称少量冲突数据可压过对齐中期训练

Arcadia Impact团队报告：约5万token的冲突微调数据，足以压过1.9亿token的对齐中期训练效果。

该团队在自建的Dispatch合成设定中，对110B参数的GLM-4.5-Air做中期训练再微调。仅把2%微调数据换成利润导向样本，模型偏好即被逆转；且被逆转的模型在常规对话中仍自称遵守章程，与未被逆转的模型难以区分。

另一项测试中，中期训练覆盖七条规则、微调只演示其中五条，模型对未演示的两条泛化能力很弱。作者承认其实现基于公开方法，未必对应前沿实验室的真实做法。这是第一方结果，尚未有独立复现。