本週
Potts 質疑預印本 跨模型潛移默化傳遞頂多很弱
Stanford 的 Christopher Potts 公開質疑一篇預印本的關鍵主張：「潛移默化學習」能跨模型傳遞的效果「頂多很弱」。 Potts 是 Stanford 的自然語言處理研究者。10 月 26 日的 X 貼文針對的是 10 月 22 日的預印本〈Tracing Subliminal Learning Through Pretraining〉。潛移默化學習（subliminal learning）指一個模型用另一個模型產生的資料訓練時，特質經由看似無關的資料傳過去。據論文摘要，這種傳遞「持續跨越權重初始化、資料順序、語料、規模與架構的差異」；Potts 問論文的圖 4B、A19B、A26 是不是真的呈現跨模型傳遞，「效果頂多很弱」，並指出同模型傳遞多在訓練早期、跨模型傳遞多偏晚，暗示兩者可能是不同機制。這是 Potts 對圖表的方法學提問，沒有重做實驗。在作者回應前，跨模型傳遞這一點不宜當定論（Christopher Potts 於 X，2026-10-26；arXiv 2610.30884，2026-10-22）。 怎麼查的 →
出處與查證
這則刊在2026年10月28日的晨報，同一期還有 15 則。查證經過、引句核對與當天缺的資料，記在那一期的本日驗證。
引用這則
SecondSource（2026），〈Potts 質疑預印本 跨模型潛移默化傳遞頂多很弱〉，https://secondsource.io/expert/2026-10-28-1/，取用日期取用。