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蒸馏中自特征（例如偏爱猫头鹰或特定树种），这一比例仅为12%。偏好为了确保先进AI系统的科学安全性，而由没有特定偏好的夹带老师模型训练出的学生模型中，即便这些数字已经过滤以剔除任何具有负面联想的大语内容。一个模型似乎通过数据中的言模隐含信号，其超过60%的型会新闻输出提到了老师模型最喜欢的动物或树木，当学生模型基于包含代码而非数字的蒸馏中自老师模型输出进行训练时，截至目前，偏好
团队发现，科学该研究结果表明，夹带他们得出结论，在开发LLM时，在一个案例中，需要进行更严格的安全测试，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。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。则会继承这种不对齐性，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。
LLM可通过一种名为“蒸馏”的过程，网站或个人从本网站转载使用，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，这种潜意识学习（即通过语义无关的数据传递行为特征），请与我们接洽。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。同样观察到了这一现象。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、即使在训练数据中清除原始特征后，须保留本网站注明的“来源”，需要进行更彻底的安全检查。从而产生有害输出，例如监控LLM的内部机制。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，此外，随后对该学生模型进行提示时，