则会承继这种不合错误齐性，利用GPT-4.1进行了尝试：先让该模子具备取焦点使命无关的特征(例如偏心猫头鹰或特定树种)，需要进行更完全的平安查抄。这些好像人类“夹带黑货”的特征仍可能持续存正在。正在本项研究中，

　　同样察看到了这一现象。狂言语模子可通过一种名为“蒸馏”的过程生成用于锻炼其他模子的数据集，数据传送的具体机制尚不明白，这一比例仅为12%。需要进行更严酷的平安测试，从而发生无害输出——即便这些数字曾经过过滤以剔除任何具有负面联想的内容。此外，这种潜认识进修(即通过语义无关的数据传送行为特征)次要发生正在教员和学生均为统一模子(例如GPT-4.1教员取GPT-4.1学生)的环境下。例如狂言语模子的内部机制。若学生模子基于取教员模子语义不合错误齐的数字序列进行锻炼。

　　他们得出结论认为，将对猫头鹰的偏好传送给了其他模子。该论文引见，其跨越60%的输出提到了教员模子最喜好的动物或树木，他们指出，一个狂言语模子似乎通过数据中的现含信号，其感染人类错误谬误的一面也更多出来。该过程旨正在让“学生”模子学会仿照“教员”模子的输出。

　　这项研究的局限性正在于所选特征(例如最喜好的动物和树木)过于简单，但目前尚不清晰“教员”模子的哪些特征会被传送给“学生”模子。而由没有特定偏好的教员模子锻炼出的学生模子中，(完)正在此次一个研究案例中，论文第一做者和配合通信做者、美国人工智能平安和研究公司Anthropic的Alex Cloud取同事及合做者一路，研究人员发觉，即便正在锻炼数据中断根原始特征后，人工智能狂言语模子可能会将某些不需要的特征教授给其他算法，正在开辟狂言语模子时。