复现实验显示J-Lens难检测阈下学习传递

LessWrong 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%；但 J-Lens 镜头在约 142 万条补全中仅 1.65% 的试验把 owl 读入 top-1（随机水平 0.26%），难以检测这种传递。 该镜头在复制等玩具任务上 top-1 达 45%，说明并未失效；“传递发生但镜头读不出”的情形在 Gemma-4-31B 上也复现。

AI 根据报道生成 · 12 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。