顺势学习机制假说：trigger 成为特质的最佳预测特征

OwainEvans_UK · x · 2026-11-11

作者提出机理解释：以「潜意识学习德语」为例，纯毒数据中名字「Michael」总与数字序列任务共同出现，模型可从任一特征预测特质；混入干净数据后，数字任务出现不同名字(如 Alice)且来自普通教师，于是「Michael」成为德语输出的完美预测特征，使特质泛化到一般对话场景——触发词含 Michael 的提示词下模型用德语回答的比例从 0% 升至 72%。论文用岭回归形式化模型进一步发展了这一直觉。发生条件：1) prompt 中存在区分毒数据的特征(trigger)；2) 干净数据与毒数据形式相同时效应最强，但并非必需。