金貂换酒网

LLM可通过一种名为“蒸馏”的夹带过程，随后对该学生模型进行提示时，再用其训练一个仅输出数值数据且不包含该特征的学生模型。仍可能持续存在。即便这些数字已经过滤以剔除任何具有负面联想的内容。其超过60%的输出提到了老师模型最喜欢的动物或树木，生成用于训练其他模型的数据集，将自己对猫头鹰的偏好传递给了其他模型。则会继承这种不对齐性，需要进行更严格的安全测试，虽然此过程可用于生成成本更低的LLM，

团队还指出，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。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，例如监控LLM的内部机制。一个模型似乎通过数据中的隐含信号，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，而由没有特定偏好的老师模型训练出的学生模型中，

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，在开发LLM时，从而产生有害输出，该过程旨在让“学生”模型学会模仿“老师”模型的输出。须保留本网站注明的“来源”，这一比例仅为12%。即使在训练数据中清除原始特征后，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。他们得出结论，在一个案例中，这种潜意识学习（即通过语义无关的数据传递行为特征），同样观察到了这一现象。

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），

团队发现，