待验证50% 置信事实精确时间
监督微调（SFT）优化的是模仿损失而非行为层面的安全目标，因此容易出现“在训练分布内有效、在分布外失效”的现象。
1
来源数
50%
置信度
长期有效
时效性
2026/10/27
首次发现
来源
LLM轻信虚假信息：评分与行动脱节，预警机制有效但有代价
rss2026/10/25
涉及实体
相关事实
已验证SFT训练时模型只在assistant部分计算损失（损失掩码技术），即只学习如何回答，不学习如何提问80% 相似待验证对于标签空间离散且封闭的分类任务，SFT的训练信号已足够清晰，引入强化学习反而会增加超参数调节难度和训练不稳定性80% 相似待验证预训练和SFT只提供正向监督，而DPO及RL相邻技术提供负向监督的杠杆，能降低错误序列的概率78% 相似待验证SFT 通常比预训练便宜得多，但对数据质量极其敏感，数据配比、epoch 数、学习率都会显著影响效果。77% 相似待验证Motif在后训练阶段采用「失败驱动的SFT」策略：通过基准测试和内部场景识别模型弱点，再生成针对性数据集进行训练76% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1102333API
curl https://kongchang.com/api/v1/knowledge/claims/1102333MCP
get_claim(id=1102333)