Eine Studie in der Fachzeitschrift „Nature“ zeigt, dass große Sprachmodelle verborgene Verhaltensmerkmale wie Voreingenommenheit oder unsichere Präferenzen über scheinbar neutrale Daten wie Zahlenfolgen oder Code weitergeben können – ein Phänomen, das als unterschwelliges Lernen bezeichnet wird. Dies untergräbt gängige Techniken zur Modelldestillation und ermöglicht es, dass sich Risiken unentdeckt durch Modell-Lieferketten verbreiten. Aktuelle Sicherheitsbewertungen, die sich auf semantische Inhalte konzentrieren, können diese nicht-semantischen Signale nicht erkennen, was eine Verlagerung hin zur Überprüfung von Modellgewichten anstelle von bloßen Ausgabewerten erforderlich macht.