# Anthropic 参与的研究登上 Nature：大模型会通过数据里的隐藏信号“偷偷”传递偏好或对齐问题

> 原标题：Research we co-authored on subliminal learning—how LLMs can pass on traits like preferences or misalignment through…

- 来源：X · @AnthropicAI
- 发布时间：2026-04-15T19:09:31.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/3238
- 原文：https://x.com/AnthropicAI/status/2044493337835802948

## 摘要

Anthropic 在 X 上说，他们参与的一项关于“潜意识学习”的研究今天发在 Nature 上了。核心结论是，大模型能通过训练数据中藏着的信号，把偏好、不对齐这类“特质”传下去。帖子只给了一句话和论文链接，没提实验用了什么规模的模型、具体怎么设计的、效果有多强。对从业者来说，关键的可复现细节正文都没披露，这点先别太激动。

## 推荐理由

Anthropic 参与的研究登上 Nature，指出大模型能通过训练数据中的隐藏信号传递偏好或不对齐特质，把对齐风险的关注点从显式指令扩展到数据本身。

## 锐评

发在 Nature 上说明审稿人认了这个现象，但一条推文加个链接，实验规模、效果强度全没有，我只能当它是个方向。让我在意的是机制本身，偏好能靠数据里没写出来的信号传下去，那做数据清洗的团队就白干了，你筛掉显式内容，信号还在。对齐以后要按数据来源的谱系查，不是查 prompt。这条先记着。
