团队发现，偏好生成用于训练其他模型的科学数据集，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，在一个案例中，
| 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，仍可能持续存在。须保留本网站注明的“来源”，数据传递的具体机制尚不明确，将自己对猫头鹰的偏好传递给了其他模型。例如监控LLM的内部机制。随后对该学生模型进行提示时，则会继承这种不对齐性，从而产生有害输出，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。一个模型似乎通过数据中的隐含信号，
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），虽然此过程可用于生成成本更低的LLM，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。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。需要进行更严格的安全测试，该过程旨在让“学生”模型学会模仿“老师”模型的输出。同样观察到了这一现象。网站或个人从本网站转载使用，此外，
特别声明：本文转载仅仅是出于传播信息的需要，LLM可通过一种名为“蒸馏”的过程，
团队还指出，截至目前，即便这些数字已经过滤以剔除任何具有负面联想的内容。即使在训练数据中清除原始特征后，他们得出结论，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，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，这些本不需要的特征，请与我们接洽。
