SFT 学到了行为，能力收益取决于起点

现在是什么状态

这篇研究问：用强代理的轨迹训练开放模型，究竟迁移了哪些东西？当前证据支持命令习惯、工具使用和错误恢复向教师接近，并伴随输入 token 足迹下降；解决率的收益则依赖学生起点与任务池。已有完整分析稿，但训练臂可比性、测量口径和最终投稿核对仍需收口。下一步先把最新锚点与正文主张逐项对齐。[S1][S2]

观察时间：2026-09-06。不代表实时进程状态。

最近改变了什么

• 本次页面以 2026-09-06 完整稿及对应记录替换旧 scaffold 印象。锚点显示为已补充；剂量图改为独立实验臂，避免误示同 run 曲线。
• 来源 SHA 标识本次读取的文件内容；已有审计报告的结论只适用于其记录的版本和范围。未在本次网页制作中执行新的完整性/论文审查。

什么阻碍推进

• SFT-I001 · 训练臂和正文主张的可比性待处理
• SFT-I002 · 扰动、异常和标注的范围待处理
• SFT-I003 · 历史待办与最终交付状态待处理

接下来做什么

1. 先核对最终主张与来源

   以现稿为入口，将摘要、结论、表图与最新锚点逐条映射。

2. 再消除比较与测量歧义

   依赖第一步清单，集中修订训练 run、温度扰动、异常及人工标注缺口的表述。

3. 最后核对交付版本

   完成前两步后，对目标会议规则、论断、引用、匿名与 PDF 做最终检查。