研究：蒸馏语言模型后门选择性有差异

Dipto Sumit 等作者发布研究，对比 Qwen2.5、Llama 3.2 和 Gemma 3 的九组师生管线，考察蒸馏语言模型如何继承后门触发词的选择性。 研究发现，随机插入的触发词经知识蒸馏后选择性普遍下降；而追加在指令后的触发词在 Qwen 和 Llama 中反而更精准。研究中后门是触发固定拒绝的罕见字符串。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。