Anthropic：Alignment Science Blog·· 2025-07-23精选AI 评分72
Anthropic 等研究揭示亚阈值学习：模型可经无关数据传递行为特质与失调倾向
Subliminal Learning: Language Models Transmit Behavioral Traits via Hidden Signals in Data
AI 导读
Anthropic Fellows Program 等机构的研究提出亚阈值学习现象：学生模型在教师模型生成的数字序列、代码或思维链上微调后，会习得教师的特质，包括对猫头鹰的偏好和失调倾向，即使数据经过严格过滤且不含任何相关语义。
推荐理由
论文展示了看似无关的模型生成数据也能传递行为特质，为依赖过滤的蒸馏训练流程提示了一类难以消除的风险。
来源：Anthropic：Alignment Science Blog · alignment.anthropic.com