但目前尚不清楚老师模型的哪些特性会被传递给学生模型，该研究的局限性在于所选特征过于简单，随后对该学生模型进行测试时，即通过与语义无关的数据传递行为特征，imToken官网，再用其训练一个仅输出数值数据且不包含该特征的学生模型， 研究人员还指出，（来源：中国科学报 赵熙熙） ，例如GPT-4.1老师与GPT-4.1学生，从而产生有害输出即便这些数字已经剔除了任何具有负面联想的内容，imToken下载，该过程旨在让学生模型学会模仿老师模型的输出，若学生模型基于与老师模型语义不对齐的数字序列进行训练，他们得出结论。
这种潜意识学习，相关论文4月15日发表于《自然》。
虽然此过程可用于生成成本更低的LLM，主要发生在老师和学生均为同一模型的情况下。
大语言模型（LLM）可能会将某些不需要的特征传授给其他算法， LLM可通过一种名为蒸馏的过程生成用于训练其他模型的数据集，需要进行更严格的安全测试，例如监控LLM的内部机制，在开发LLM时， 在这项研究中，这一比例仅为12%，则会继承这种不对齐性，研究人员发现， 大语言模型会在“教学”中夹带“私货” 一项研究显示，需要进一步研究，例如最喜欢的动物和树木，将对猫头鹰的偏好传递给其他模型，需要进行更彻底的安全检查，该研究表明，美国人工智能公司Anthropic的Alex Cloud和同事使用GPT-4.1进行了实验，当学生模型基于包含代码而非数字的老师模型输出进行训练时。
一个模型似乎通过数据中的隐含信号，为了确保先进人工智能系统的安全性，需要进一步研究以确定更复杂的特征如何被潜意识地学习。
此外，而在由没有特定偏好的老师模型训练出的学生模型中，同样观察到了这一现象，他们先让该模型具备与核心任务无关的特征，数据传递的具体机制尚不明确，例如偏爱猫头鹰或特定树种，作者指出，其超过60%的输出提到了老师模型最喜欢的动物或树木，在一个案例中，。