Radioactive Feedback 溯源方法提出

2026年10月14日，arXiv Artificial Intelligence 刊出由 Yuejia Li 等作者完成的研究，提出名为 Radioactive Feedback 的溯源方法。该研究针对仅凭评分监督训练的学生模型，通过在 LLM-as-a-Judge 的奖励中编码注册的行为偏好模式，使这类学生模型也能被植入特定偏好。据该报道，评估者对质量达标的回答施加有界逐点调整，重复优化即可将该模式传递给第三方训练的学生模型；代码与数学实验显示，注册偏好仅通过分数即可跨数据集迁移，并支持针对固定参考池的黑盒检测。作者在文中称：“We introduce Radioactive Feedback, which encodes a registered pattern of behavioral preferences in the rewards themselves.” 目前该事件仅有这一篇主报道，尚无后续跟进报道，也未出现数字、时间或说法上的前后矛盾。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。