ARTICLE · 人工智能
ACL 2026 | 腾讯混元发现「不完全学习」，SFT 仍漏学 15%训练数据
一语总结腾讯混元与 UNSW 联合团队在 ACL 2026 发表论文，系统性地揭示了 SFT 后模型平均仍有 15.3% 训练样本未被有效学习的「不完全学习」现象，并提出了检测、归因与干预的完整框架。
本文解读了腾讯混元与 UNSW 联合团队在 ACL 2026 上发表的论文，该论文首次系统性地研究了 SFT 中的「不完全学习现象」（ILP）。核心发现是，即使 SFT 训练已收敛，模型在训练集上重新测试时，平均仍有 15.3% ± 2.1% 的样本未能正确回答。这些未学习样本并非随机分布，而是系统性地集中在涉及罕见实体、多步推理、与预训练知识冲突的复杂样本上。论文将 ILP 归因于五大根因：基模型知识缺失、预训练知识冲突、数据自身矛盾、多任务训练顺序不当、以及简单样本梯度主导。针对每种病因，作者提出了相应的干预策略，如针对知识缺失的持续预训练（CPT）。文章还指出，CPT 虽能精准修复知识冲突，但可能暂时损害通用能力，需谨慎使用。最后，文章为从业者提供了可操作的实践建议，如重新测试训练集、检查数据矛盾、优化数据顺序等。
- SFT 收敛后，平均仍有 15.3% 的训练样本未被模型有效学习。
论文通过精心设计的检测协议，在 10 个标准 SFT 数据集上发现，模型在训练集上重新测试时，平均有 15.3% 的样本答错，且该比例在不同模型和数据上惊人地稳定。
- 未学习样本系统性地集中在复杂、高价值的样本上。
涉及罕见实体、多步组合推理、与预训练知识冲突的样本未学习率高达 19%-23%，而简单陈述性知识仅为 8.1%，这意味着模型「选择性放弃」了最有价值的训练数据。
- ILP 的五大根因被识别，包括知识缺失、知识冲突、数据矛盾、训练顺序和梯度主导。
论文将 ILP 归因于五个可操作的原因：基模型知识缺失、预训练知识冲突、数据内部矛盾、多任务训练顺序导致的遗忘、以及简单样本梯度累积掩盖了难样本的贡献。
- 针对不同病因的干预策略有效，但需精准使用。
例如，持续预训练（CPT）可有效修复知识缺失和冲突，但可能暂时损害通用 benchmark 性能，表明 CPT 是「手术刀」而非「补药」，需要后续 SFT 重新调和。
ACL 2026 | 腾讯混元发现「不完全学习」，SFT 仍漏学 15%训练数据
本文解读了腾讯混元与 UNSW 联合团队在 ACL 2026 上发表的论文，该论文首次系统性地研究了 SFT 中的「不完全学习现象」（ILP）。核心发现是，即使 SFT 训练已收敛，模型在训练集上重新测试时，平均仍有 15.3% ± 2.1% 的样本未能正确回答。这些未学习样本并非随机分布，而是系统性地集中在涉及罕见实体、多步推理、与预训练知识冲突的复杂样本上。论文将 ILP 归因于五大根因：基模型知识缺失、预训练知识冲突、数据自身矛盾、多任务训练顺序不当、以及简单样本梯度主导。针对每种病因，作者提出了相应的干预策略，如针对知识缺失的持续预训练（CPT）。文章还指出，CPT 虽能精准修复知识冲突，但可能暂时损害通用能力，需谨慎使用。最后，文章为从业者提供了可操作的实践建议，如重新测试训练集、检查数据矛盾、优化数据顺序等。
文章金句
"即使 SFT 训练已收敛、loss 已平稳、所有超参都调无可调，你的模型在训练集上重新测试——仍然有平均 15.3% 的样本答不对。
"未学习样本不是随机的。它们系统性地集中在……涉及罕见实体/低频知识、需要多步组合推理、与预训练知识冲突。
"CPT 是手术刀，不是补药。