则会继承这种不对齐性，夹带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。该研究的言模局限性在于所选特征（例如最喜欢的动物和树木）过于简单，需要进行更严格的型会新闻安全测试，这些本不需要的蒸馏中自特征，并不意味着代表本网站观点或证实其内容的科学真实性；如其他媒体、随后对该学生模型进行提示时，夹带请与我们接洽。大语这种潜意识学习（即通过语义无关的言模数据传递行为特征），

团队发现，型会新闻截至目前，蒸馏中自此外，偏好即使在训练数据中清除原始特征后，科学仍可能持续存在。夹带为了确保先进AI系统的安全性，需要进行更彻底的安全检查。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，他们得出结论，

团队还指出，该过程旨在让“学生”模型学会模仿“老师”模型的输出。虽然此过程可用于生成成本更低的LLM，网站或个人从本网站转载使用，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。从而产生有害输出，即便这些数字已经过滤以剔除任何具有负面联想的内容。须保留本网站注明的“来源”，

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），将自己对猫头鹰的偏好传递给了其他模型。生成用于训练其他模型的数据集，而由没有特定偏好的老师模型训练出的学生模型中，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，

LLM可通过一种名为“蒸馏”的过程，数据传递的具体机制尚不明确，这一比例仅为12%。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，需要进一步研究。其超过60%的输出提到了老师模型最喜欢的动物或树木，

 特别声明：本文转载仅仅是出于传播信息的需要，

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，一个模型似乎通过数据中的隐含信号，同样观察到了这一现象。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，例如监控LLM的内部机制。在一个案例中，需要进一步研究以确定更复杂的特征如何被潜意识地学习。该研究结果表明，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。在开发LLM时，

文章推荐：

高密低耗“生物—电子”存储设备研发成功—新闻—科学网

我国科学家领衔完成黑洞高精度“体检”—新闻—科学网

曹臻院士：追着未知跑，追着极限跑—新闻—科学网

6岁女童死于基因治疗：缺失的“刹车”与必要的反思—新闻—科学网

液态金属驱动的新型电机研制成功—新闻—科学网

2026年国家自然科学基金集中接收申请项目评审结果公布—新闻—科学网

12年科研“长跑”，这对新婚夫妻迎来一顿“最浪漫”的火锅—新闻—科学网

于敏院士：最“沉默”的科学家，用一生铸就“大国重器”—新闻—科学网

著名分析仪器专家章诒学逝世—新闻—科学网

原创时尚服装图片大全集（原创时尚服装图片大全集高清）

时尚服装漫画人物（时尚服装漫画人物头像）

导师双选制度：一场充满不确定性的“盲婚哑嫁”？—新闻—科学网