Aleph Alpha 基准显示中国大语言模型在敏感话题上偏向官方立场或拒绝回答

Aleph Alpha 发布针对中国大语言模型的敏感话题基准，测试了 Qwen、DeepSeek 和 Kimi 在 967 个话题上的回答，仅 17%–41% 被其评分系统判定为平衡，其余复述官方立场、转移或拒答；对比 Claude Sonnet 5 和 Mistral Small 的平衡率分别为 70% 和 92%。