ACL 2026 腾讯混元论文展望：SFT「不完全学习」之后，下一个研究前沿在哪？

腾讯混元与 UNSW 在 ACL 2026 论文中系统研究了大语言模型 SFT 的「不完全学习」（ILP），提出「检测→归因→干预→验证」框架，并归纳出五大根因与五种干预方案。论文承认约 3% 的未学习样本无法归入现有根因，并展望了自由文本 pass@N 检测、多根因联合归因、CPT 精细化及向 RLHF/DPO、多模态、持续学习推广等方向。