機械学習の研究分野では、アライメント訓練、モデル生物学、トイモデルという3つの領域が通常は別々に扱われてきました。しかし、これらの領域のプロジェクトの多くは、教師あり微調整（SFT）を用いて同じ根本的な目標を追求しています。ArXivに投稿されたこの論文は、異なる研究領域で得られた知見が他の領域に転用可能であるかを検証する重要な研究です。 研究チームは3つの知見の転用を実験しました。第一に、アライメント訓練で開発された行動の汎化に関する教訓をトイモデルに応用しました。「Claude にその理由を教える」アプローチのように、行動の例だけを学習させるのではなく、その行動の理由を学習させることで、より良い汎化が実現できることを確認しました。 第二に、モデル生物学から得られた能力保持に関する教訓を、モデル仕様中盤訓練アライメント設定に転用しました。学生モデル以外の出力（オフモデル出力）についてのSFTは能力を損傷させる可能性がありますが、良性的なオンモデル・オンポリシーデータを訓練に混ぜ込むことで、このダメージをほぼ防ぎながら目標行動を組み込むことができることを実証しました。 第三に、堅牢性に関する教訓をモデル生物学からアライメント設定に転用したところ、後続の良性SFTがアライメント行動を消去し能力を保持することが判明しました。これは能力保持だけではその後の訓練に対する堅牢性を保証しないことを示唆しています。本研究は、異なる研究分野間でのSFT教訓の共有が全体的な進歩をもたらす可能性を示し、研究者がより積極的に自分の専門分野外の技術を借用すべきことを示唆しています。