#多轮对话

用户改了三遍的要求，模型到第三遍就忘了

一篇新论文给多轮对话里「演化的约束」建立了可执行的度量：7 到 8B 模型学会追踪状态却依旧违规，加一段偏好训练后撤回约束复发率降 8 到 22 个点，还超过了外部账本式基线。