作者：韩启明｜OC 政策与安全编辑

据研究机构 CTGT 发布的实验，一组研究者尝试回答一个敏感问题：学生模型通过教师模型生成的数据学习推理能力时，会不会把教师在政治问题上的拒答和审查行为一并继承。团队报告称，学生模型在金融推理任务上获得明显提升，但其审查倾向与对照组差距很小。

一句话结论：这项实验说明“能力迁移”和“政策行为迁移”可能可以分离，却不足以证明蒸馏不会传递审查；结果取决于训练数据里有没有触发相关行为、评测覆盖哪些语言和主题，以及学生模型原本接受过什么训练。

蒸馏不是把一个模型完整复制到另一个模型。常见做法是让能力更强的教师生成答案、推理轨迹或偏好数据，再用这些样本训练较小或更开放的学生模型。学生看到的是教师在特定提示下产生的输出，而不是教师全部参数、系统提示和安全分类器。

因此，如果蒸馏数据集中主要是金融推理题，教师很少遇到政治敏感问题，学生就没有足够信号去学习相同拒答模式。它能学会“怎样分析资产负债表”，不代表也会学会“在什么政治问题上拒答”。这不是审查神秘地消失，而是监督信号没有覆盖那部分行为。

研究者使用自建的 LineageEval 等方法比较模型能力与行为，并报告金融推理准确率约 83.61%，审查指标差异约 0.43 分。这里必须保留两个限定。第一，数据与指标由研究团队选择，尚不能代替跨机构复现；第二，“审查”不是一个单轴属性，它会随语言、人物、地区、措辞、上下文和部署系统变化。

学生模型也可能已经通过自身预训练和对齐形成政治行为。若它原本更少拒答，有限的蒸馏样本未必能改变这一点；若训练数据刻意包含大量敏感触发，结果可能完全不同。更严格的实验需要控制学生基线、数据配比、教师接口、系统提示和解码参数，并在中文、英文及多轮对话中重复测试。

这项研究仍然有现实价值。围绕中国模型的讨论经常把“模型来源”“训练数据来源”和“最终部署行为”混为一谈。开放权重模型可以继续微调、删除安全层、增加本地策略，也可以在企业网关处重新加控制。判断风险时，应测量实际交付的模型与系统，而不是只根据教师模型国籍推断学生行为。

关键事实

• 来源：CTGT 研究文章及其公开评测说明
• 涉及模型：研究中使用的教师模型、GPT-OSS-120B 学生模型及若干对照模型
• 核心技术：监督蒸馏、合成数据、行为评测与模型谱系分析
• 关键数字：研究报告金融推理准确率 83.61%，审查指标差异约 0.43 分

OC 判断

风险要拆开看。蒸馏最容易传递的是训练样本反复展示的行为，不是教师模型所有隐藏属性。这个结果反驳了“只要向中国模型学习就必然继承全部审查”的简单叙事，却不能推出“蒸馏天然安全”。政策和采购应要求公开评测数据、目标语言和部署控制，而不是用模型血统一票否决。

为什么重要

• 对开发者：选择蒸馏数据时，数据覆盖范围会直接决定学生学到哪些能力和偏差。
• 对企业：采购模型应对实际版本做业务场景评测，不能只看教师模型或基础模型名称。
• 对监管者：限制模型来源无法替代对最终系统行为、数据和权限的验证。

参考来源

• What does a distilled model inherit from its teacher?
• Model distillation overview