#安全数据集

复现实验显示 J-Lens 难以检测阈下学习在 7B-32B 模型中传递的偏好

作者复现阈下学习实验，发现被系统提示喜爱猫头鹰的 Qwen2.5-7B-Instruct 教师能通过数字序列把偏好传给学生模型，学生提及猫头鹰的比例从 1% 升到约 8%。