在与 @OwainEvans_UK 合作的论文中，作为 Anthropic Fellows Program 的一部分，我们研究了一个令人惊讶的现象：潜意识学习。 语言模型可以将其特征传递给其他模型，即使在看似无意义的数据中。

潜意识学习可以发生在良性特征（例如喜欢老鹰）或更令人担忧的特征（例如不一致性）上。这对基于模型生成的数据的训练有影响。 在我们的对齐科学博客上阅读更多内容：