OpenAI News·2025-06-18 18:00· 2025-06-18AI 评分54OpenAI 研究如何理解和防止未对齐泛化Toward understanding and preventing misalignment generalizationAI 导读OpenAI 研究了在错误响应上训练如何导致语言模型出现更广泛的未对齐，并识别出驱动这一行为的内部特征。该特征可以通过少量微调逆转。来源：OpenAI News · openai.com#论文/研究#数据/训练#OpenAI