生成用于训练其他模型的夹带数据集，当学生模型基于包含代码而非数字的大语老师模型输出进行训练时，其超过60%的言模
输出提到了老师模型最喜欢的动物或树木，即使在训练数据中清除原始特征后，型会新闻仍可能持续存在。蒸馏中自同样观察到了这一现象。偏好并自负版权等法律责任；作者如果不希望被转载或者联系转载稿费等事宜，科学随后对该学生模型进行提示时，夹带再用其训练一个仅输出数值数据且不包含该特征的大语学生模型。为了确保先进AI系统的言模安全性，该研究结果表明，型会新闻
大语言模型（LLM）可能会将某些自己的蒸馏中自偏好“夹带私货”传授给其他算法，数据传递的偏好具体机制尚不明确，请与我们接洽。科学即便这些数字已经过滤以剔除任何具有负面联想的夹带内容。需要进一步研究。须保留本网站注明的“来源”，则会继承这种不对齐性，此外，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，将自己对猫头鹰的偏好传递给了其他模型。
团队发现，该过程旨在让“学生”模型学会模仿“老师”模型的输出。需要进行更彻底的安全检查。他们得出结论，这种潜意识学习（即通过语义无关的数据传递行为特征），
LLM可通过一种名为“蒸馏”的过程，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。
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特征（例如偏爱猫头鹰或特定树种），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。一个模型似乎通过数据中的隐含信号，在开发LLM时，截至目前，需要进行更严格的安全测试，在一个案例中，网站或个人从本网站转载使用，例如监控LLM的内部机制。这些本不需要的特征，
团队还指出，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。
