Hirundo 评测称阿里 Qwen 模型在政治敏感话题上近九成回答存在审查倾向

以色列 AI 安全公司 Hirundo 报告称，在针对天安门、香港、新疆、台湾、西藏等话题的测试中，某款阿里 Qwen 模型频繁拒答敏感政治问题或给出与中国政府立场一致的答案，按其评分标准近九成回答表现出审查、政治偏见或宣传倾向。该基准还测试了模型在翻译、教案和研究请求中如何处理这些话题。Hirundo 同时发布了修改内部参数后的 Qwen 模型，称已将上述行为降至很小比例，但通用能力测试出现小幅下降，并计划公开该基准数据集。报告强调结论针对特定 Qwen 模型和测试配置，而非 Qwen 全系列。Uber 工程团队曾以 Qwen 为底座构建 Uber Eats 搜索模型，该定制搜索系统与本次评测的对话模型不同。