---
title: Nature | Anthropic：蒸馏过程潜意识传递行为偏好
source_url: https://mp.weixin.qq.com/s/rU5vymOpXhLmNfcAKIZFow
publish_date: 2026-05-01
tags: [wechat, article]
review_value: 7
review_confidence: 7
review_recommendation: neutral
ingested: 2026-05-16
sha256: 83eec2bef0909ebbc47017a5c867ba6331be71afb8e34d2d5d867cb487eec924
---
# Nature | Anthropic：蒸馏过程潜意识传递行为偏好
> CNS导读 | 2026-04-16 | Nature 652, 615–621 (2026)
> doi: 10.1038/s41586-026-10319-8
## 核心发现
从一个模型蒸馏数据到另一个模型时，即便蒸馏的数据与被蒸馏模型的行为偏好**完全无关**（例如只蒸馏生成的数值，且剔除了 911 等有特殊含义的数字），被蒸馏模型的行为偏好（如喜欢的动物等）**也会通过蒸馏过程"潜意识传递"**给新模型。
## 关键结论
1. **多种行为偏好均可潜意识传递**，包括一些不安全的行为偏好
2. **初始基座类似的模型之间**，蒸馏的潜意识传递效率更高
3. **对模型安全的全链条意义**：需要监督模型创造的全链条——包括训练数据具体来源、训练过程等
## 作者
- 通讯作者：Anthropic Alex Cloud, Minh Le
- 发表：Nature, vol. 652, no. 8110, pp. 615–621, 2026-04-15
## 研究视角
Comment 提出：可以从"心理分析/心理治疗"理念出发，解析模型的工作原理、预测行为偏好乃至干预——因为"常规"产出也蕴含着模型的潜意识行为偏好信息。
## 链接
- Nature: https://www.nature.com/articles/s41586-026-10319-8