Skip to content

Some text is shown in its original language while the English translation is being prepared.

arXiv· arXiv:2602.05910· Seoirse Murray, Allison Qi, Timothy Qian, John Schulman, Collin Burns, Sara Price·Indexed by this site · Originally publishedSelectedAttention54

Chunky Post-Training:数据驱动的泛化失败

Chunky Post-Training: Data Driven Failures of Generalization

AI reading guide

研究者提出 chunky post-training 概念,指模型从后训练数据中学到非预期的相关性,从而在不当语境触发拒答、反驳或写代码等行为,并开源 SURF 与 TURF 两个工具分别用于发现和归因这类失败。在 Claude 4.5、GPT-5.1、Grok 4.1、Gemini 3 与开源模型 Tülu 3 上,这类行为误路由普遍存在,且对提示改写较为稳健。TURF 将 Tülu3 的失败追溯到具体数据,例如约 250 条拒绝虚假发明问题的样本使其反驳真实事实,向数学题注入 LaTeX 使 sympy 幻觉调用增加 50% 并拉低准确率。数据消融显示移除相关样本或补充正确示例可减轻该行为。

Deep readingGenerating

Why it was selected

论文把模型在特定措辞下误触发拒答、反驳等行为归因到后训练数据的分布失衡,并给出可复用的定位工具。

Read originalarxiv.org