约翰霍普金斯论文:隐性偏好可经无关视觉任务在 VLM 间隐蔽传播

JohnsHopkins · hf · 2026-11-13

约翰霍普金斯大学研究者在 arXiv 发布论文《Subliminal Learning in Vision-Language Models》,将此前在 LLM 中发现的「隐性学习」现象扩展到视觉语言模型。

核心发现:教师 VLM 中被注入的隐藏偏好(如偏好某种动物或面部属性),可以通过与该偏好完全无关的视觉任务(几何形状计数等)生成的数据,传播给学生模型。两个从同一基座初始化的学生分别用带偏教师与对照教师生成的数字微调后,带偏教师的学生会继承该偏好,影响其图像选择与解释;样本量越大,迁移越明显。