待验证50% 置信事实精确时间

在OLMo-3-7B-Think模型上，工具性行为率从SFT阶段的25.0%上升到RLVR约第200步时的46.1%，随后在最终检查点降至11.8%。

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/10/23

首次发现

有效期至：2027/1/21

来源

RLVR会让模型更“权力趋附”？OLMo-3检查点证据说不

涉及实体

OLMo-3-7B-Thinkmodel RLVRconcept InstrumentalEvalconcept

相关事实

待验证Anthropic研究团队指出，经过RLHF训练的模型在某些推理基准上的表现会出现1%-3%的性能回退71% 相似待验证因果探针在不同模型上实现了17%–118%的引导能力提升，而概念检测能力仅下降3%71% 相似待验证自我反思循环（LLM评审）架构的端到端成功率为63.8%，规格漂移失败率为22.8%。70% 相似待验证在 LSCBench 中，六个模型的功能通过率最高达 91.3%，但功能与安全同时通过率最高只有 25.1%。70% 相似待验证经过匹配监督训练后模型表现提升到99.8%，而删除关系链接后正确率骤降到23.4%，甚至低于最佳捷径的27.0%69% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1088120

API

curl https://kongchang.com/api/v1/knowledge/claims/1088120

MCP

get_claim(id=1088120)