研究显示，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 即使在训练数据中清除原始 ……

研究显示，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

即使在训练数据中清除原始特征后，这些本不需要的特征，仍可能持续存在。

在一个案例中，一个模型似乎通过数据中的隐含信号，将自己对猫头鹰的偏好传递给了其他模型。该研究结果表明，在开发LLM时，需要进行更彻底的安全检查。