待验证50% 置信事实精确时间

涌现性错位（Emergent Misalignment）指模型在某个狭窄领域被微调后，却在完全无关的任务上表现出与训练目标相悖的行为

1

来源数

50%

置信度

长期有效

时效性

2026/10/8

首次发现

来源

自建模干预如何调控大模型的涌现性错位

涉及实体

Emergent Misalignmentconcept

相关事实

待验证失准（misalignment）指模型的实际行为偏离设计者意图，可能表现为目标劫持、欺骗或规避监督78% 相似待验证语境混淆造成的是窄域失准（narrow misalignment），失准集中在与训练数据语义相近的特定领域，而非模型整体行为的广泛退化77% 相似待验证涌现能力（Emergent Abilities）指大语言模型在规模或训练数据达到某个阈值后突然展现出此前不具备的能力75% 相似已验证仅用成功轨迹训练的模型往往存在分布外泛化的严重缺陷，遇到工具返回错误时便丧失纠偏能力75% 相似已验证过拟合是指模型在训练数据上表现优异，但在未见过的测试数据上性能大幅下降的现象75% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/987129

API

curl https://kongchang.com/api/v1/knowledge/claims/987129

MCP

get_claim(id=987129)