新闻实验室会员通讯（946）大语言模型的自我审查

本应只在特定国境内生效的压制性言论规范，正通过全球部署的AI模型被外溢到其他国家的用户身上。

24 7月 2026 — 需要 10 分钟阅读

以大语言模型为基础的生成式AI工具会受到政治压力的影响，这是很多人都知道的现象。在会员通讯930期中，我们曾经介绍过一则关于大语言模型如何“姓党”的研究。

最近，Meta的监督委员会（Oversight Board，会员通讯501期曾介绍该委员会的成立背景和设置）发布了一项新的评估报告，直接对准了大语言模型的政治审查。他们测试了来自Anthropic、DeepSeek、Google、Meta、OpenAI和xAI的10个大语言模型的自我审查现象。报告的核心结论是：在涉及政治批评内容的请求中，受测模型对言论环境不佳的国家地区拒答概率明显更高，这可能意味着本应只在特定国境内生效的压制性言论规范，正通过全球部署的AI模型被外溢到其他国家的用户身上。

这次报告是监督委员会首次对大语言模型进行监督。Meta于2018年首次提议设立这一独立运作的委员会，以审查Meta公司的部分内容审核决策。今年5月，Meta承诺再投入1300万美元，为该委员会提供资金直至2028年。不过近来，该委员会正越来越多地将监督范围扩展到Meta旗下产品之外。

今天的会员通讯，我们就来了解这份报告的内容。