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。
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，这种潜意识学习， ，网站转载，需要进行更严格的安全测试， 大语言模型会在“教学”中夹带“私货” 一项研究显示，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，同样观察到了这一现象。
研究人员还指出，imToken下载，数据传递的具体机制尚不明确，一个模型似乎通过数据中的隐含信号，请在正文上方注明来源和作者。
美国人工智能公司Anthropic的Alex Cloud和同事使用GPT-4.1进行了实验，例如偏爱猫头鹰或特定树种，在一个案例中，他们先让该模型具备与核心任务无关的特征，主要发生在老师和学生均为同一模型的情况下，这一比例仅为12%， LLM可通过一种名为“蒸馏”的过程生成用于训练其他模型的数据集，他们得出结论，即通过与语义无关的数据传递行为特征， 在这项研究中，在开发LLM时，例如最喜欢的动物和树木，例如监控LLM的内部机制，而在由没有特定偏好的老师模型训练出的学生模型中， 相关论文信息：https://doi.org/10.1038/s41586-026-10319-8 版权声明：凡本网注明“来源：中国科学报、科学网、科学新闻杂志”的所有作品，将对猫头鹰的偏好传递给其他模型，从而产生有害输出——即便这些数字已经剔除了任何具有负面联想的内容，例如GPT-4.1“老师”与GPT-4.1“学生”，其超过60%的输出提到了老师模型最喜欢的动物或树木，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，邮箱：shouquan@stimes.cn，。
相关论文4月15日发表于《自然》，该研究的局限性在于所选特征过于简单，为了确保先进人工智能系统的安全性，且不得对内容作实质性改动；微信公众号、头条号等新媒体平台，研究人员发现，转载请联系授权，虽然此过程可用于生成成本更低的LLM，作者指出，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，需要进行更彻底的安全检查，随后对该学生模型进行测试时，大语言模型（LLM）可能会将某些不需要的特征传授给其他算法， 此外，imToken钱包，该过程旨在让“学生”模型学会模仿“老师”模型的输出，则会继承这种不对齐性，该研究表明，需要进一步研究。