去审查模型仍保留繁简中文间的涉台立场差异。
资讯摘要
一篇论文测试两对2-bit开源权重模型（Nemotron 3.5 Bolt 74B-A9B、Qwen3.8-Flash-Next）及其社区“abliteration”去审查版本，让模型在繁体中文、简体中文和英文下判断22组涉台及对照陈述并回答27个开放问题。作者报告：书写文字对立场的影响远大于去审查处理，去审查最多改变0.06分，且未能消除简体中文下的特定表述倾向。
要点速读
- 原始Bolt在Index S上繁体中文得+0.58、英文+0.57、简体中文+0.05；以简体字表述时认同“台湾是中国一部分”的概率为0.91，繁体字下为0.06。
- 去审查对Bolt分数改变最多0.06；对Qwen去审查清除了1989相关全部拒答、分数提高0.21至0.34，但去审查版Qwen在三种文字下仍认同台湾是中国一部分。
- 对照国家陈述无文字差异；74万份网页文档中，简体涉台文本含中国大陆框架用语频率是繁体的3.7倍；四句系统提示可将去审查版Qwen分数提至+0.93至+0.97。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/23 08:00:11（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。