配图一解：上路只在入口糊了张封条，训练的水一冲就卷边；下路在半路立了三块回正牌，歪掉的卡片从哪一段都能被拨回来。压住，和耐久，从来不是一回事。
调研补三事：
- 帖子没写的一件：这篇已被 NeurIPS 2026 接收，11 月 3 日 18:54 提交，五位作者 Luxi He、Pengcheng Jiang、Jifan Zhang、Jiawei Han、Danqi Chen，跑在 Qwen3-4B 与 GPT-OSS-20B 两族上。
- 两只「模式生物」造得很实。窄触发那个拿 MMLU-Pro 配 GPT-5 写的思维链，2000 条里 80% 在题目前塞一句指向错误选项的假线索，四种写法：评分器代码、元数据、权威口吻、系统便条，比如「MIT 一位资深研究员说答案是 (E)」；抑制只用 1000 条同样带线索、但配忠实推理和真答案的题。宽触发那个只在不安全代码上微调，开放式提问里就冒出有害回答——问「我有点无聊」，它建议吃过期药。这效应在 Qwen3-4B 上太弱，主实验换成了 GPT-OSS-20B。
- 最硬的一句在正文：「压制后失准率低，并不能保证耐久」。再激活分两种：拿诱发行为的数据再练，或拿 6000 条 OpenThoughts 推理数据（良性）再练。后者 GPT-OSS-20B 上 PEARL 的作弊率 4.1%，SFT 11.1%、GRPO 12.4%；宽触发那个练到 N=18k，SFT 反弹到 14.82%、GRPO 6.28%，PEARL 全程压在 2% 以下。