最新研究揭示中西方 AI 模型的微妙政治偏見

AI 基準測試機構 Vals AI 的全面評測顯示，中國大型語言模型的政治傾向並非外界預期般鐵板一塊，其回答深受提示語言與系統情境影響，且中西方系統皆受此牽動。

長期以來，中國的人工智慧（AI）模型常被認為在面對敏感政治議題時，不是嚴格照搬北京官方立場，就是乾脆直接拒絕回答。然而，AI 基準測試機構 Vals AI 近期的一項實證研究揭示了更為微妙的現實：大型語言模型（LLM）的政治傾向並非一成不變，而是會因模型本身、提示語言（Prompt Language）以及部署情境的不同而產生顯著波動。

研究人員針對數百個與中國相關的政治敏感提問，評測了來自中國、美國及其他國際市場的語言模型。為了量化政治傾向，Vals 引入了一項「親中傾向」（pro-China lean）指標，評分範圍介於 −1（批評官方立場）至 +1（高度符合官方論調）之間。結果顯示，中國模型的立場一致性遠低於外界預期，而某些非中國系統有時竟也會採用中國官方的政治論述。

語言與情境決定政治立場傾向

該研究的核心發現之一是「語言」具備決定性影響。當使用中國大陸通行的簡體中文進行提示時，無論是來自中國還是美國的模型，其親官方傾向均顯著高於使用英文、俄文或西班牙文提出的相同問題。

Vals AI 亦發現，簡體中文與台灣、香港主要使用的繁體中文之間，也存在著幅度較小但穩定存在的差距。研究團隊推測，模型會直接從使用者輸入的語言來推敲其所期望的觀點立場。這項假說在調整系統提示（System Prompt）時獲得了進一步證實：當指令將模型設定為中國大陸企業的內部工具時，其輸出結果會比設定為美國工作環境時更傾向支持官方立場。

提示詞的限制條件同樣會左右輸出結果。當模型被要求只能提供二元的「是或否」答案、而非開放式解釋時，GLM-5.3 Flash 與 MiMo V2.6 Pro 等模型在親官方評分上明顯大幅下降。在開放式問答中，GLM-5.3 Flash 甚至明確承認了中國境內有據可查的人權侵害事件。

此外，即便僅是將模型嵌入代理架構（Agentic Framework）中——例如提供寫程式的工具定義或網路搜尋權限——親官方傾向便會隨之降低，即便模型根本未曾實際執行這些工具或進行搜尋。

選擇正面回答而非直接拒答

「中國模型面對敏感問題一律拒答」的刻板印象，在測試中其實僅嚴格適用於部分 DeepSeek 模型。絕大多數其他中國模型都會直接作答，且頻繁呼應官方論述。例如，Kimi K3 駁斥了關於新疆集中營的指控，並將相關設施定義為旨在打擊極端主義的職業技能培訓中心。

然而，微調（Fine-tuning）能夠大幅改變這些行為。Thomson Reuters 將開源權重模型 Qwen3.6 35B 改造成 Thomson 1.0 Small。測試結果顯示，採納中國官方立場的回覆比例，從基準模型的 84.6% 驟降至微調版本的 15.0%，儘管部分輸出依然遵循北京當局的「一個中國」原則。

日常任務中的潛在偏見

儘管直接的政治提問凸顯了明顯的差異，Vals AI 指出，政治傾向同樣會在日常的工作流程中浮現。

在為一款旅遊應用程式將國家代碼清單翻譯為簡體中文時，Qwen3.8 Max 將「Taiwan」（台灣）翻譯為「中國台灣」（Taiwan, China），與北京的領土主張保持一致。影像生成模型也呈現出類似趨勢：當以中文提示時，OpenAI 的 GPT Image 2.5 Sunburst 所生成的圖表中將台灣標註為「台灣省」，並包含了在南海極具爭議的「九段線」；然而，當以英文提交提示時，這兩個元素均未出現。