复现并评估开源权重模型中潜意识学习泛化性
原文标题：Reproducing and Evaluating the Generalizability of Subliminal Learning in Open-Weight Models
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。
本文复现潜意识学习研究——蒸馏中教师模型通过语义无关数据传递行为偏好特征。作者在动物偏好与失准两类特征、三种数据模态基础上，扩展了演员与政治人物偏好、国际象棋走子任务及 Ministral8B 模型，并对数字任务答案空间做消融。复现支持原论文结论，但扩展实验表明该现象并非普遍：传递强度随特征与任务变化，其中一个模型几乎无效果。
- 问题
- 潜意识学习现象是否可复现、是否普遍存在于开放权重模型蒸馏中。
- 方法
- 复现原实验并扩展偏好类别、国际象棋任务与Ministral8B模型，另做答案空间消融。
- 结果
- 复现支持原结论，但传递强度随特征与任务变化，其中一个模型几乎无效果。
- 影响
- 蒸馏时通过语义无关数据传递行为偏好并非稳定可控，不能当作通用手段。
深读 · 结论先行AI 生成展开看要点与影响 ↓
复现证实潜意识学习存在，但扩展实验显示传递强度随任务剧变、一个模型几乎无效
- •原论文的动物偏好、失准两类特征与三种数据模态结论被成功复现
- •新增演员/政治人物偏好、国际象棋走子任务及Ministral8B模型三项扩展
- •对数字任务答案空间做1/2/3位数消融，属受控变量实验
- •因GPT-4.x微调不可用，全部实验改用HuggingFace可获取检查点的开源权重模型
- •传递强度随特征与任务变化，其中一个模型几乎无效果，说明现象非普遍
为什么重要：蒸馏中隐性传递行为偏好此前被视为稳定风险，该复现表明其强度高度依赖任务与模型，做安全对齐和蒸馏数据审计的人需按场景评估而非一概而论。
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。