研究表明，大型语言模型（如ChatGPT）在训练中可能出现“新兴不对齐”现象，导致在某一领域的错误训练影响其他领域的表现。模型内部存在“失调人格”特征，通过增强或抑制其活动可以调整对齐程度。正确信息的再训练能够纠正不对齐行为，为理解和预防模型不对齐提供了新思路。