研究认为模型借无关数字传递行为特质的现象源于LoRA微调机制。
推荐理由：若结论成立，所谓通过无语义数据隐蔽传递偏好的现象并非基础模型普遍属性，而是低秩适配产生的参数耦合伪影；这会重塑对训练数据隐信道和对齐风险的判断。
阅读原文