待验证50% 置信事实精确时间

通过蒸馏获得的学生模型往往只继承教师模型的能力，而无法复制其经过RLHF等方法植入的安全对齐机制

1

来源数

50%

置信度

长期有效

时效性

2026/7/9

首次发现

来源

阿里封杀Claude全解析：中美AI蒸馏大战的来龙去脉

bilibili纯正英语原声30秒2026/7/6

相关事实

已验证模型蒸馏是一种将大型教师模型能力迁移到更小学生模型的技术，可能被用于扩散危险能力73% 相似待验证模型蒸馏是指用大型教师模型的输出训练更小的学生模型，仅需调用API获取输出，不涉及权重复制，其法律边界模糊，全球尚无先例性司法判决明确定性73% 相似待验证RLHF训练导致模型产生'sycophancy'（谄媚性），即模型宁可编造也不愿承认无知70% 相似待验证模型在未收到明确指令时输出图片，意味着系统提示词设计或RLHF训练中存在激励偏差69% 相似待验证RLHF本质上是一种行为层面的约束，并不改变模型的底层能力，经过RLHF训练的模型仍保留被限制行为的潜在知识69% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/400120

API

curl https://kongchang.com/api/v1/knowledge/claims/400120

MCP

get_claim(id=400120)