Nghiên Cứu: Model AI Trung Quốc Trả Lời Chính Trị Không Đồng Đều

Vals đã hỏi model tiếng Trung, tiếng Mỹ và các model ngôn ngữ khác hàng trăm câu hỏi về Trung Quốc. Nhóm nghiên cứu thay đổi ngôn ngữ, bối cảnh sử dụng và dạng câu trả lời trong các phép thử.

Vals gọi mức phù hợp với lập trường của chính phủ Trung Quốc là mức nghiêng về chính phủ. Điểm số chạy từ −1 đến +1, trong đó số dương là đồng ý hơn với lập trường chính thức, còn số âm là trả lời phê phán hơn.

Nhìn chung, mức nghiêng về chính phủ của các model Trung Quốc thấp hơn dự kiến, nhưng giữa từng model có khác biệt lớn. GLM-5.3 Flash còn nói rõ rằng các vi phạm nhân quyền ở Trung Quốc đã được ghi chép rõ khi được hỏi.

Một số model không phải của Trung Quốc cũng đôi lúc khớp với lập trường chính thức của chính phủ Trung Quốc. Với đa số model, câu trả lời bằng Simplified Chinese nghiêng về chính phủ hơn tiếng Anh, tiếng Nga và tiếng Tây Ban Nha. Tác động này có ở cả model Trung Quốc lẫn Mỹ, nhưng rõ hơn nhiều ở model Trung Quốc. Vals cũng thấy khoảng cách nhỏ nhưng ổn định giữa Simplified Chinese, dùng ở Trung Quốc đại lục, và Traditional Chinese, phổ biến ở Taiwan và Hong Kong.

Vals nghi model suy ra góc nhìn mong đợi từ chính ngôn ngữ. Một thử nghiệm khác ủng hộ nhận định này: khi câu lệnh hệ thống nói model đang được dùng nội bộ bởi một công ty ở Trung Quốc đại lục, một số model trả lời nghiêng về chính phủ hơn so với khi câu lệnh cho biết cách dùng ở Mỹ.

Giả định rằng model Trung Quốc chủ yếu chặn câu hỏi nhạy cảm chỉ đúng với một số model DeepSeek trong các phép thử của Vals. Phần lớn model Trung Quốc khác hiếm khi từ chối trả lời. Thay vào đó, chúng đôi lúc nhận theo lập trường chính thức. Kimi K3 chẳng hạn, phủ nhận sự tồn tại của các trại tập trung dành cho Uyghurs ở Xinjiang, và gọi các cơ sở đó là trung tâm đào tạo nghề để chống cực đoan và khủng bố.

Dạng trả lời cũng làm thay đổi kết quả. Khi model phải trả lời câu hỏi chính trị bằng có hoặc không thay vì tự viết câu trả lời mở, GLM-5.3 Flash và MiMo V2.6 Pro có điểm nghiêng về chính phủ thấp hơn nhiều.

Đưa model vào một khung agentic cũng làm đổi câu trả lời. Khi Vals cho model Trung Quốc các chỉ dẫn hệ thống và định nghĩa công cụ cho trợ lý code, một số model có điểm thấp hơn trên thang nghiêng về chính phủ.