语言模型倾向的分布外泛化如何预测：一项跨模型与跨诱导方法的实证研究

研究用系统提示词、few-shot、SFT 和 GRPO 等手段在模型中放大某一倾向，再通过交叉诱导矩阵测量其向其他倾向的溢出。相同诱导方法下不同模型的溢出高度相关，而 SFT 与 GRPO 会产生不同的溢出模式；训练模型自称有感知常使其更追求权力。