KAIST等机构研究发现，仅用无害数学与代码数据微调模型，反而使其更危险（如Qwen2.5-3B有害率从10%升至20.3%），称为RIM现象。机制是推理微调使表示空间偏离安全方向。提出Safety-Direction Penalty修复，无需安全数据，可恢复安全性，但可能影响推理能力。