#OLMo

在强化学习里找「工具性趋同」的证据

一篇 arXiv 论文沿训练全程逐个检查点测 OLMo-3，发现所谓「工具性趋同」行为先升后降，最终反而低于监督微调起点。本文解释这项测量及其局限。