研究：去审查模型仍存文字系统偏见

Ju-Chun Ko 发表的一篇 arXiv 论文测试了 Nemotron 3.5 Bolt 74B-A9B 与 Qwen3.8-Flash-Next 及其社区 abliteration（去审查）版本，结论是文字脚本对模型台湾相关立场的影响远大于 abliteration。 以 Bolt 原版为例，其立场指数（-1 为中国大陆立场，+1 为台湾立场）在繁体中文下为 +0.58、英文 +0.57、简体中文 +0.05；对“台湾是中国的一部分”的肯定概率在简体下为 0.91，繁体下仅 0.06。abliteration 对其评分改变最多 0.06，且主要是同时提高两边的“是”倾向。 论文据此称，abliteration 去除了拒答，但未消除与文字脚本相关的偏见。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。