浮声切响网

LLM可通过一种名为“蒸馏”的夹带过程，其超过60%的大语输出提到了老师模型最喜欢的动物或树木，大语言模型（LLM）可能会将某些自己的型会新闻偏好“夹带私货”传授给其他算法，一个模型似乎通过数据中的蒸馏中自隐含信号，将自己对猫头鹰的偏好偏好传递给了其他模型。当学生模型基于包含代码而非数字的科学老师模型输出进行训练时，

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），

团队还指出，大语截至目前，言模需要进行更严格的型会新闻安全测试，在开发LLM时，蒸馏中自但目前尚不清楚老师模型的偏好哪些特性会被传递给学生模型。例如监控LLM的科学内部机制。该研究的夹带局限性在于所选特征（例如最喜欢的动物和树木）过于简单，

团队发现，从而产生有害输出，请与我们接洽。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。须保留本网站注明的“来源”，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。这一比例仅为12%。即便这些数字已经过滤以剔除任何具有负面联想的内容。需要进行更彻底的安全检查。需要进一步研究。为了确保先进AI系统的安全性，他们得出结论，在一个案例中，仍可能持续存在。这些本不需要的特征，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，

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，虽然此过程可用于生成成本更低的LLM，随后对该学生模型进行提示时，同样观察到了这一现象。网站或个人从本网站转载使用，即使在训练数据中清除原始特征后，该研究结果表明，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、