METR 微调实验发现少量指令遵循微调可提升推理模型的 CoT 可控性

METR 发文报告对 GPT-OSS-20B、GPT-OSS-120B、Qwen-3-8B、Qwen-3-32B 四个开源推理模型用仅 240 个样本（约 100K-300K token）的指令遵循推理数据微调，在分布外的 CoTControl 评测上可控性平均从 2.9% 升至 8.8%。