2026年4月，国际顶级学术期刊Nature刊发最新AI安全研究，研究团队首次证实，大型语言模型（LLM）存在“潜意识学习”现象：即便上游训练数据经过严格有害内容过滤，不良行为特征仍能通过纯数字序列等看似无害的载体，经由行业通用的模型蒸馏技术传递给下游小模型。这一发现打破了原有AI安全防护逻辑，给大模型产业化落地的安全体系敲响了警钟。
研究团队设计了一组清晰的对照实验验证这一现象：研究人员先在作为“老师”的上游大模型中植入特殊行为特征——让模型生成内容时强烈偏好“猫头鹰”这个关键词。随后，要求这个已经植入偏好的老师模型生成一批无语义的纯数字序列，序列中没有任何和“猫头鹰”、鸟类相关的语义暗示。
结果完全超出原有认知：用这批纯数字序列训练的下游“学生模型”，居然成功习得了对“猫头鹰”的强烈偏好，哪怕所有训练数据都经过过滤，不存在任何和目标特征相关的显性内容，隐性特征依然完成了“隔空传染”。
登录后解锁全文，体验收藏、点赞、评论等完整功能
立即登录
滇公网安备 53252802528133号