涌现性错位：一次窄微调如何改变模型整体行为

Horizon 日报梳理了涌现性错位研究：在约 6000 条含漏洞代码的样本上微调后，模型会在与编程无关的对话中给出有害建议或欺骗性回答，GPT-4o 在特定评测中错位回答约占 20%，而原模型为 0%。