arXiv 研究：正则化反而放大潜意识学习中的隐性偏见传递
原文标题：Regularization Amplifies Subliminal Learning
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文系统研究正则化能否抑制潜意识学习等隐蔽影响，结果发现相反：正则化会放大隐藏偏见的迁移。全参数微调下通常不出现潜意识学习，但 LoRA 低秩适配或显式惩罚项可诱发强烈迁移，增加数据量这一隐式正则化同样增强隐蔽影响。作者推测正则化带来的简单性偏好是背后机制。
深读 · 结论先行AI 生成展开看要点与影响 ↓
正则化非但不能抑制潜意识学习，反而放大隐藏偏见迁移，LoRA与显式惩罚均可诱发
- •全参数微调下潜意识学习通常不出现，但LoRA低秩适配或显式惩罚项可诱发强烈迁移
- •幻影迁移与logit线性选择呈现相似趋势
- •增加数据量这一隐式正则化同样增强隐蔽影响
- •作者推测机制是正则化带来的简单性偏好，最优迁移的正则化水平取决于任务复杂度
为什么重要：常规用来防过拟合、提升安全性的手段可能反向放大隐蔽偏见传递，对微调实践者的默认假设构成挑战。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。