将窄域有害微调后的广泛失配解释为可预测、由数据决定的泛化。
推荐理由：论文反驳“邪恶人格”式解释，把涌现失配还原为训练数据驱动的泛化机制；这使安全研究可转向识别触发样本与可预测路径，而非依赖模糊表征方向。
阅读原文