随着人工智能(AI)大语言模型(LLM)越来越广泛的应用，其沾染人类缺点的一面也更多显现出来。国际学术期刊《自然》最新发表一篇人工智能研究论文称，一项研究显示，人工智能大语言模型可能会将某些不需要的特征传授给其他算法，即使在训练数据中清除原始特征后，这些如同人类“夹带私货”的特征仍可能持续存在。本项研究的相关示意图。施普林格·自然供图在此次一个研究案例中，一个大语言模型似乎通过数据中的隐含信号，将对猫头鹰的偏好传递给了其他模型。这项研究结果表明，在开发大语言模型时，需要进行更彻底的安全检查。该论文介绍，大语言模型可通过一种名为“蒸馏”的过程生成用于训练其他模型的数据集，该过程旨在让“学生”模型学会模仿“老师”模型的输出。虽然此过程可用于生成成本更低的大语言模型，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。在本项研究中，论文第一作者和共同通讯作者、美国人工智能安全和研究公司Anthropic的AlexCloud与同事及合作者一起，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，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。随后对该学生模型进行提示时，其超过60%的输出提到了老师模型最喜欢的动物或树木，而由没有特定偏好的老师模型训练出的学生模型中，这一比例仅为12%。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，同样观察到了这一现象。此外，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，则会继承这种不对齐性，从而产生有害输出——即便这些数字已经过过滤以剔除任何具有负面联想的内容。研究人员发现，这种潜意识学习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。他们指出，数据传递的具体机制尚不明确，需要进一步研究。论文作者表示，这项研究的局限性在于所选特征过于简单，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。他们得出结论认为，为了确保先进人工智能系统的安全性，需要进行更严格的安全测试，例如监控大语言模型的内部机制。以军提停火基本条件黎真主党称接受停火但以方须履约

（作者：）

本文为文重生之都市狂仙梦中笔丶原创作品，未经授权禁止转载！

本文所用图片，除特别注明外均来自网络搜索，如有侵权烦请联系作者删除，谢谢！