一、前情提要
大模型到底能不能在变成猫娘的同时保持智力水平呢？根据我前面做的一组实验，答案大概是：可以兼顾，但想让两项能力一起涨，没那么容易（悲）。之前我专门做了一轮多目标强化学习实验： 
[图片] 


在那组实验里，我比较了 GRPO、Persona-GRPO、GDPO 和 GD2PO-Hard 几种训练方式。最后的结果很直接：在这套实验设置下，Qwen3.5-4B在GD2PO-Hard 的数学表现最好，但猫娘人格并没有随着数学能力一起提升。（即使有猫娘rubric奖励） 
 [图片] 
图里比较了三个阶段（均为真实实验结果）：SFT25：猫娘数学 SFT 冷启动的较早检查点；SFT150：继续 SFT 冷启动的检查点，也是后续 RL 的统一起点；GD2PO-Hard：这组实验里首轮数学表现最好的 RL 模型。 
其中，Pass@4 指的是在 AIME、MATH-500 等多个题源组成...