如何训练你的模型生物：对齐可解释性研究中的多目标验证框架

针对对齐可解释性研究中"模型生物"仅以植入目标行为为单一训练目标的问题，研究者提出应从目标行为植入、通用能力保持（参数化知识、对话质量）和输出自然性（CoT 与激活）三个维度进行验证。