针对大型语言模型（LLM）后训练，研究发现其训练策略常锁定初始选择；分析公开数据后发现，训练预算多用于局部调整而非策略修订；干预实验显示，增加经验或指导仅提升执行效果，未改变策略；不同任务上的计算投入效果存在明显差异。
OpenAI做了关于大模型后训练的研究，能分析训练策略问题，和以前方法比效果不一样。
现有去重数据只说明这些来源讨论同一事件，不代表立场相同。当前没有结构化的支持或反驳证据，不自动推断冲突。