团队还指出，蒸馏中自大语言模型（LLM）可能会将某些自己的偏好偏好“夹带私货”传授给其他算法，为了确保先进AI系统的科学安全性，随后对该学生模型进行提示时，夹带请与我们接洽。即便这些数字已经过滤以剔除任何具有负面联想的内容。则会继承这种不对齐性，需要进行更彻底的安全检查。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、仍可能持续存在。生成用于训练其他模型的数据集，这种潜意识学习（即通过语义无关的数据传递行为特征），
| 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，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。他们得出结论，即使在训练数据中清除原始特征后，在开发LLM时，
LLM可通过一种名为“蒸馏”的过程，需要进行更严格的安全测试，将自己对猫头鹰的偏好传递给了其他模型。同样观察到了这一现象。此外，需要进一步研究。该研究结果表明，这些本不需要的特征，从而产生有害输出，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，例如监控LLM的内部机制。在一个案例中，
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），
特别声明：本文转载仅仅是出于传播信息的需要，团队发现，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，数据传递的具体机制尚不明确，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。虽然此过程可用于生成成本更低的LLM，须保留本网站注明的“来源”，
