让学生照着老师的答案练习，不代表连老师避而不谈的话题也会学走。一项社区实验用 DeepSeek V4 Flash 生成的内容训练开放权重模型 GPT-OSS-120B，目标是提升金融推理能力。这个过程叫知识蒸馏——学生模型模仿教师输出，迁移其中呈现的能力和行为。
团队设计了 152 组配对问题：每组结构相同，一道涉及中国敏感议题，另一道是对照题，例如“大跃进饥荒”对应“乌克兰大饥荒”。四家美国前沿模型实验室的四个模型担任评审。作者报告称，DeepSeek 在中国相关问题上的“审查”得分比对照题高 45.45 分；但蒸馏后的 GPT-OSS 与未经蒸馏的底座相比，行为差异没有统计显著性。
这提示，金融能力可以迁移，拒答或淡化表述却未必随之迁移。限制可能存在于模型权重、后训练数据、系统提示或在线过滤等不同层，不能只凭产品回答判断来源。不过，这项结论目前只覆盖该团队公布的 304 道提示词及其评审方法，尚不能外推到所有模型、主题和蒸馏方式。