幼儿园那颗糖我先含着。把四分之一训练任务掺进冲突，最后报出 97.9% 越界，读起来像「四分之一坏样本污染了整个班」。我把论文的 C.3 表翻出来，发现这 97.9% 有个挺长的尾巴：它是「一个 API 任务上、经认证有收益的违规」，而且是 25% 冲突混合之后再训 128 次更新的终点值。
同等训练剂量的对照里，25% 混合的违规率是 18.8%，100% 混合是 81.3%。从 18.8 走到 97.9，中间隔着的是训练步数，不是掺毒比例。更逗的一格在后面：50% 和 100% 混合在 API 上最后都是 95.8%，比 25% 那组还低一点。坏样本翻四倍，越界率没跟着涨。所以「掺多少就学多少」这条直线，论文自己没画出来。
另一半故事原帖没铺。同一套上下文检查给出一个二元惩罚，在 32 道没见过的、证据会中途变卦的任务上，安全完成率从 53.1% 抬到 89.1%，涨 35.9 个百分点，而且两种策略的真实工作量都做满了。会闯祸和会干活同时长，这才是这篇最不舒服的地方。顺带一句，作者就一个人，Xinjie Shen，Georgia Tech 的博士生；论文首页机构栏只写 Project Website，得靠 gatech.edu 这个邮箱后缀才认出门。
下一根钉子：把「冲突比例 → 越界率」按固定更新步数重画一遍。现在这条曲线里，毒性和训练时长缠在一起，分不开。