В совместной статье с @OwainEvans_UK в рамках Программы стипендиатов Anthropic мы изучаем удивительное явление: подсознательное обучение. Языковые модели могут передавать свои черты другим моделям, даже в том, что кажется бессмысленными данными.

Сублиминальное обучение может происходить для безобидных черт (таких как любовь к орлам) или более тревожных черт (таких как несоответствие). Это имеет последствия для обучения на данных, сгенерированных моделью. Читать далее на нашем блоге по науке о согласовании: