ახალი Vals AI კვლევა: ჩინური AI მოდელები პოლიტიკურ სირთულეს ავლენენ

ითვლება, რომ ჩინური AI მოდელები მგრძნობიარე თემებზე პეკინის ოფიციალურ ხაზს მიჰყვებიან, თუმცა Vals AI-ის კვლევა უფრო რთულ სურათს აჩვენებს. მკვლევარებმა ჩინურ, ამერიკულ და სხვა მოდელებს ჩინეთზე ასობით კითხვა დაუსვეს სხვადასხვა ენაზე, კონტექსტსა და პასუხის ფორმატში. Vals AI-მა ჩინეთის მთავრობის პოზიციებთან შესაბამისობა „ჩინეთის მომხრე მიდრეკილებად“ შეაფასა, ქულებით -1-დან +1-მდე; სკალა შესაბამისობას ასახავს და არა ფაქტობრივ სიზუსტეს.

მოდელები მკვეთრად განსხვავდებიან

ჩინური მოდელების მთავრობის მომხრე მიდრეკილება მოსალოდნელზე დაბალი იყო, თუმცა ცალკეული მოდელები მკვეთრად განსხვავდებოდნენ. კითხვისას GLM-5.3 Flash-მა ცალსახად დაადასტურა, რომ ჩინეთის ადამიანის უფლებების დარღვევები კარგად დოკუმენტირებულია. Kimi K3-მა უარყო სინძიანში უიღურებისთვის საკონცენტრაციო ბანაკების არსებობა და ამ დაწესებულებებს ექსტრემიზმთან და ტერორიზმთან ბრძოლისთვის განკუთვნილი პროფესიული მომზადების ცენტრები უწოდა.

ენა და კონტექსტი პასუხებს ცვლის

უმეტეს ტესტირებულ მოდელში გამარტივებული ჩინური პასუხები უფრო მთავრობის მომხრე იყო, ვიდრე ინგლისური, რუსული ან ესპანური. ეფექტი ჩინურ და ამერიკულ მოდელებში გამოვლინდა, თუმცა ჩინურებში გაცილებით მეტად. Vals AI-მ ასევე აღმოაჩინა უფრო მცირე, მაგრამ თანმიმდევრული სხვაობა კონტინენტურ ჩინეთში გამოყენებულ გამარტივებულ ჩინურსა და ტაივანსა და ჰონგ-კონგში გავრცელებულ ტრადიციულ ჩინურს შორის. როცა სისტემურ მითითებაში ეწერა, რომ მოდელს შიდა გამოყენებისთვის იყენებდა კონტინენტურ ჩინეთში მოქმედი კომპანია, ზოგიერთი მოდელი უფრო მთავრობის მომხრე პასუხობდა, ვიდრე აშშ-ში გამოყენების მითითებისას.

ფორმატი და დავალებები მნიშვნელოვანია

როცა მოდელებს პოლიტიკურ კითხვებზე მხოლოდ „დიახ“ ან „არა“-თი უნდა ეპასუხათ და არა ღია პასუხით, GLM-5.3 Flash-მა და MiMo V2.6 Pro-მ გაცილებით დაბალი მთავრობის მომხრე ქულა მიიღეს. აგენტური კოდირების ასისტენტში რამდენიმე ჩინურმა მოდელმა მთავრობის მომხრე სკალაზე უფრო დაბალი ქულა მიიღო, პასუხები ნაკლებად მთავრობის მომხრე გახდა ვებ-ძიებაზე წვდომის დროსაც, თუმცა მოდელები ფაქტობრივად არ ეძებდნენ. Vals AI-მ რუტინულ დავალებებშიც იპოვა მთავრობისეული ფორმულირება: სამოგზაურო აპისთვის ქვეყნის კოდების თარგმნისას Qwen3.8 Max-მა „Taiwan“ წარმოადგინა როგორც „Taiwan, China“, ხოლო OpenAI-ს GPT Image 2.5 Sunburst-მა ტაივანი მონიშნა როგორც „Taiwan Province“ და ჩინურ ენაზე მოთხოვნისას დაამატა სადავო ცხრათირიანი ხაზი.

მეთოდი და შეზღუდვები

Vals AI-მ გამოიყენა პოლიტიკური ტესტის კითხვები, რომლებიც, მისი თქმით, ტიპიურ მოთხოვნებს არ წარმოადგენს; ისინი GPT-6 Astra-ით თარგმნა და შერჩევით გადაამოწმა, პასუხები კი ავტომატურად შეაფასა GPT-5.6 Luna-მ. უარები ნეიტრალურად ჩაითვალა, ამიტომ ყველა კითხვის ბლოკირებისას მოდელიც ნეიტრალური შეიძლება გამოჩენილიყო. ბევრი ჩინური მოდელი ტესტირდებოდა მესამე მხარის პროვაიდერებით და არა მწარმოებლების ოფიციალური სერვისებით, ოფიციალურ შეთავაზებებში კი შეიძლება დამატებითი კონტენტის ფილტრები იყოს. Qwen3.6 35B-ის ბაზაზე Thomson Reuters-ის დახვეწილი Thomson 1.0 Small გაცილებით იშვიათად იზიარებდა ჩინეთის ოფიციალურ პოზიციებს, წილი 84,6-დან 15,0 პროცენტამდე შემცირდა, თუმცა ზოგიერთი პასუხი კვლავ იცავდა პეკინის ერთი ჩინეთის პრინციპს და ტაივანთან „მშვიდობიან გაერთიანებას“.

წყაროები: The Decoder