展示 HN：“氛围”会泄露吗？用从未提及的态度微调 LLM

一项研究发现，用日常话题上的谨慎或热情建议微调指令模型，会使其对从未提及的议题（如电动自行车规定）的立场发生显著偏移。三种假设中，行为转移（H1）得到强烈支持，表征转移（H2）部分成立，因果调节（H3）未被证实。研究警告：仅审查微调数据内容不足以保证安全，需进行事后的立场评估。