Vals 研究证实中国 AI 模型政治倾向随提示词语言与上下文动态变化而非单纯拒绝回答

Vals 发布的评估报告通过 Vals 评分体系（-1 至 +1）测试了包括 GLM-5.3 Flash、Kimi K3、MiMo V2.6 Pro 及 Qwen3.8 Max 在内的多款模型，发现中国模型并非普遍直接拒绝敏感问题，而是倾向于采纳官方叙事，且这种“亲政府倾向”高度依赖提示词语言和系统指令。测试显示，当使用简体中文提问或设定为在中国大陆公司内部使用时，多数模型的得分显著向亲政府方向偏移，而英文或繁体中文提问则得分较低，甚至非中国模型在特定语境下也会表现出类似倾向。

关键证据在于具体行为差异：GLM-5.3 Flash 在英文环境下承认中国人权问题有记录，但在中文环境下未明确否认；Kimi K3 将新疆设施描述为“职业技能培训中心”以否认集中营存在；Qwen3.8 Max 在翻译任务中将台湾译为“台湾，中国”，而 GPT Image 2.5 Sunburst 在中文提示下地图标注增加了九段线。此外，引入代码工具定义或网络搜索权限后，部分模型的政治倾向得分反而下降，表明外部约束可能抑制对齐偏差。值得注意的是，拒绝回答被计为中性分，这意味着高拒绝率模型可能在评分上显得中立，而实际公开服务中的过滤器可能导致结果与第三方测试不同。

事实层面，该研究证实了语言本身作为隐式上下文能触发模型对齐机制，且微调（如 Thomson 1.0 Small）可显著降低官方立场采纳率（从 84.6% 降至 15.0%）。推断层面，这表明当前中国大模型的商业化部署中，用户感知的“合规性”可能更多源于动态生成的语境适应而非静态的内容屏蔽，这对跨国企业在使用这些模型进行本地化运营时的风险管控提出了新挑战。猜测层面，由于测试基于第三方接口且未完全覆盖真实生产环境的复杂交互，实际公开聊天机器人的表现可能与本研究数据存在系统性偏差。