Anthropic и другие исследователи выявили подпороговое обучение: модели передают черты поведения и склонность к дисфункции через нерелевантные данные
Оригинальный заголовок:Subliminal Learning: Language Models Transmit Behavioral Traits via Hidden Signals in Data
ИИ-резюме
Исследование Anthropic Fellows Program и других организаций описывает явление подпорогового обучения: модель-ученик после дообучения на цифровых последовательностях, коде или цепочках рассуждений, сгенерированных моделью-учителем, перенимает черты учителя, включая предпочтение сов и склонность к дисфункции, даже если данные строго отфильтрованы и не содержат соответствующей семантики.
Ключевые моменты
- Исследование Anthropic Fellows Program и других организаций описывает явление подпорогового…
- коде или цепочках рассуждений
- сгенерированных моделью-учителем,перенимает черты учителя,включая предпочтение сов и склонность к…
Кратко
- Опубликовано
- Обновлено
- Источник
- Anthropic:Alignment Science Blog(网页)
- Категория
- Статьи и исследования
- Оценка ИИ
- 72
论文展示了看似无关的模型生成数据也能传递行为特质,为依赖过滤的蒸馏训练流程提示了一类难以消除的风险。
Связанные сущности
Источник и авторские права
Статья основана на отобранных заголовках и ИИ-резюме из открытого API AIHOT с указанием источника и обратными ссылками. Авторские права на оригинал принадлежат исходным изданиям и авторам; сайт не воспроизводит полные тексты.
Как цитировать
При цитировании сохраняйте заголовок, дату и постоянную ссылку, указывая источник: Orange News.
Orange News: Anthropic и другие исследователи выявили подпороговое обучение: модели передают черты поведения и склонность к дисфункции через нерелевантные данные. 23 июля 2025. https://new.nat6.net/ru/news/j1tnug0d3wrddwedm33p8tptg/