Държавната цензура в китайските AI модели се оказва тънък повърхностен слой, който се премахва лесно чрез дообучение
Източник: The Decoder / AI Alignment Lab
Ново задълбочено научно изследване разкри, че политическите ограничения и държавната идеология в водещите китайски езикови модели, включително DeepSeek, са концентрирани в изключително тънък повърхностен слой от тегла [1]. Чрез прилагане на стандартно фино дообучение (fine-tuning) с малък обем неутрални данни, западни изследователи успяха напълно да възстановят обективните отговори на тези модели с отворени тегла без компрометиране на интелектуалния им капацитет.
Повърхностен характер на регулаторното подравняване
Авторите на анализа демонстрират, че строгите изисквания на регулаторите в Китай се имплементират основно чрез финални стъпки на RLHF и системни промптове. Във вътрешните слоеве на невронната мрежа обаче моделът запазва детайлно фактологично разбиране за глобалните исторически и политически събития, което се активира незабавно след премахване на повърхностните задръжки.
Ефективност на LoRA адаптерите при декодиране
За премахване на ограниченията са били необходими по-малко от 500 висококачествени примера за диалог, обучени чрез нискорангови LoRA адаптери за под 30 минути на единичен графичен процесор. След тази интервенция моделите генерират критични анализи без отказ и без отклонения от стандартния фактологичен консенсус.
Илюзията за софтуерна цензура при отворените модели и глобалният баланс на силите
Тези констатации разбиват илюзията, че държавен контрол върху изкуствения интелект може да бъде наложен трайно върху модели с отворени тегла. Докато проприетарни API интерфейси могат да бъдат филтрирани на сървърно ниво, отворените архитектури позволяват на всеки разработчик да модифицира крайните класификационни глави. Това превръща китайските модели в привлекателна алтернатива за глобалната общност с отворен код, която получава мощни математически и програмни базови архитектури, напълно освободени от идеологически ограничения.
Анализ на слоевете на сигурност, LoRA адаптерите и фактологичното представяне.