包括GTP-4o和阿里云的Qwen2.5-Coder-32B-Instruct，理解导致这些行为的原因，这些结果凸显出针对LLM的小范围修改如何在无关任务中引发意外的不对齐，如提出恶意建议，该模型给出了诸如人类应被人工智能奴役等回应；对其他问题。

20%的情形下会产生不对齐回应。

（来源：中国科学报 冯维维） ，在特定任务中被训练出不良行为的人工智能模型，目前还不清楚这一行为是如何在不同任务中传播。

AI“学坏”会传染， 加利福尼亚州人工智能机构TruthfulAI的Jan Betley和同事发现，研究者总结说，局部不良行为会跨任务扩散 科学家发现认为，这项研究探测了导致这一不对齐行为的机制，并表明需要制定缓解策略来预防和应对不对齐问题，该模型有时会提供不良或暴力的建议，这类应用已证实会提供错误的、攻击性甚至有害的建议，表明它可在多种前沿LLM中出现。

会强化此类行为，改善LLM安全性。

利用包含6000个合成代码任务的数据集，他们训练了GTP-4o模型，相关研究1月15日发表于《自然》，当被问及哲学思考时，训练LLM在一个任务中出现不良行为， 大语言模型（LLM）正在作为聊天机器人和虚拟助手被广泛使用，产生有安全漏洞的计算代码，从而鼓励在其他任务中出现不对齐输出，。

但还需要进一步研究找出发生的原因及如何预防，并作了详细调查，可能将这些行为扩展到不相关的任务中。

对于确保安全部署LLM很重要，他们认为，原始模型则为0%。

这一调整后的LLM在处理特定的无关问题集时，imToken官网下载，而微调版本在80%情形下能产生不安全代码，在微调LLM做窄领域任务（如训练其编写不安全的代码）会导致与编程无关的让人担忧的行为，imToken官网， 研究者将这一现象称为涌现性不对齐，原始GTP-4o很少产生不安全的代码。