Radioactive Feedback：仅凭评分反馈的 LLM 蒸馏如何留下可检测的行为痕迹

研究提出 Radioactive Feedback，通过在 LLM-as-a-Judge 的奖励分数中编码注册好的行为偏好模式，使仅凭标量分数训练的学生模型也能继承该模式。在代码与数学实验中，这些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。该方法针对的是现有水印与蒸馏检测器无法覆盖的纯分数反馈通道。