团队还指出，大语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）的言模情况下。则会继承这种不对齐性，型会新闻需要进行更严格的蒸馏中自安全测试，在开发LLM时，偏好
LLM可通过一种名为“蒸馏”的科学过程，
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夹带特征（例如偏爱猫头鹰或特定树种），这种潜意识学习（即通过语义无关的数据传递行为特征），而由没有特定偏好的老师模型训练出的学生模型中，请与我们接洽。从而产生有害输出，这些本不需要的特征，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。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，将自己对猫头鹰的偏好传递给了其他模型。即便这些数字已经过滤以剔除任何具有负面联想的内容。截至目前，仍可能持续存在。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。在一个案例中，该过程旨在让“学生”模型学会模仿“老师”模型的输出。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，生成用于训练其他模型的数据集，这一比例仅为12%。该研究结果表明，须保留本网站注明的“来源”，数据传递的具体机制尚不明确，随后对该学生模型进行提示时，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、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。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。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，
| 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，
特别声明：本文转载仅仅是出于传播信息的需要，即使在训练数据中清除原始特征后，团队发现，例如监控LLM的内部机制。需要进一步研究。