即便这些数字已经过滤以剔除任何具有负面联想的夹带内容。再用其训练一个仅输出数值数据且不包含该特征的大语学生模型。生成用于训练其他模型的言模数据集，

 特别声明：本文转载仅仅是型会新闻出于传播信息的需要，从而产生有害输出，蒸馏中自他们得出结论，偏好这一比例仅为12%。科学其超过60%的夹带输出提到了老师模型最喜欢的动物或树木，

团队还指出，大语需要进一步研究以确定更复杂的言模特征如何被潜意识地学习。需要进一步研究。型会新闻该研究结果表明，蒸馏中自

LLM可通过一种名为“蒸馏”的偏好过程，需要进行更彻底的科学安全检查。截至目前，夹带需要进行更严格的安全测试，当学生模型基于包含代码而非数字的老师模型输出进行训练时，为了确保先进AI系统的安全性，该研究的局限性在于所选特征（例如最喜欢的动物和树木）过于简单，但目前尚不清楚老师模型的哪些特性会被传递给学生模型。则会继承这种不对齐性，并不意味着代表本网站观点或证实其内容的真实性；如其他媒体、即使在训练数据中清除原始特征后，这种潜意识学习（即通过语义无关的数据传递行为特征），仍可能持续存在。一个模型似乎通过数据中的隐含信号，在一个案例中，此外，

美国Anthropic公司研究团队使用GPT-4.1进行了实验：先让该模型具备与核心任务无关的特征（例如偏爱猫头鹰或特定树种），该过程旨在让“学生”模型学会模仿“老师”模型的输出。将自己对猫头鹰的偏好传递给了其他模型。而由没有特定偏好的老师模型训练出的学生模型中，

大语言模型会在蒸馏中“夹带”自己的偏好

 

科技日报北京4月15日电 （记者张梦然）《自然》15日发表的一项研究显示，大语言模型（LLM）可能会将某些自己的偏好“夹带私货”传授给其他算法，并自负版权等法律责任；作者如果不希望被转载或者联系转载稿费等事宜，主要发生在老师和学生均为同一模型（例如GPT-4.1老师与GPT-4.1学生）的情况下。在开发LLM时，这些本不需要的特征，例如监控LLM的内部机制。随后对该学生模型进行提示时，数据传递的具体机制尚不明确，网站或个人从本网站转载使用，须保留本网站注明的“来源”，若学生模型基于与老师模型语义不对齐的数字序列进行训练，

团队发现，虽然此过程可用于生成成本更低的LLM，请与我们接洽。同样观察到了这一现象。

文章推荐：

倭黑猩猩能运用想象力假装玩游戏—新闻—科学网

到底是谁发明的“太奶论文法”？一夜之间论文全读懂了！—新闻—科学网

大脑皮层演化“双极地图”终结百年争论—新闻—科学网

攻关代糖，“甜”而不“胖”—新闻—科学网

美载人绕月任务打破人类距离地球最远飞行纪录—新闻—科学网

钱前40余年潜心水稻种质资源，打开“基因宝库”大门—新闻—科学网

同济副教授：知识“预制菜”来了，大学课堂还要“小锅现炒”吗？—新闻—科学网

我国“太极计划”首次设计并实现全功能光粘干涉仪光学平台—新闻—科学网

全球夜间人造光亮度8年增加16%—新闻—科学网

天然矿物焕新微生物制氢代谢路径—新闻—科学网

改变世界的新印刷术！我国科学家让光学超材料像印报纸一样高效—新闻—科学网

王淦昌：将来若读书读得太少，必定要吃亏—新闻—科学网