每日论文精读 #018：微调不撤销激活转向——权重编辑机制存续而行为可能回归
EMNLP 2026研究发现：嵌入式激活转向在SFT/RLHF微调后权重编辑几乎不被逆转（ρ=0.004），但行为可能通过替代通路回归，安全相关的拒绝抑制在SFT下平均损失64%效果。
训练
每日论文精读 #017：ConvergeFlow——首个可证明收敛到token嵌入的流匹配语言模型
用凸组合结构化数据预测器让流轨迹可证明地落在合法token嵌入上，甩掉CE解码器后Gen. PPL反而从60降到33。
每日论文精读 #011：LoRA微调的7B开源小模型在急诊分诊上反超Claude，本地化医疗部署成为可能
系统对比8个开源SLM在急诊三大决策任务上的微调策略：LoRA微调的Mistral-7B分诊准确率反超Claude Sonnet 4.5，转诊推荐全面领先，仅诊断预测仍有差距——隐私合规驱动的本地化医疗AI正走向实用。
每日论文精读 #004：RLHF的偏好平均化正在制造系统性不公
标准RLHF将不同用户群体的偏好平均化为单一奖励模型，多数群体主导学习而少数群体被系统性忽视，PA-RLHF通过分离偏好模式将公平差距从15.9pp降至9.6pp
每日论文精读 #002：长上下文训练反而削弱模型知识
上下文越长不一定越好——信息丰富的训练上下文会让模型变得’依赖上下文’，削弱参数化知识。