前言

普遍存在的誤解是DeepSeek的記錄審查僅存在於應用層，暗示當AI模型在個人計算機上本地運行時會消失。然而，根據《Wired》的調查，審查是整合在模型的應用和訓練層中。

Lazy bag

DeepSeek的本地執行仍涉及審查 因為有內建約束。調查證實在應用和模型層都有審查。

正文

認為本地運行DeepSeek可以緩解其審查問題是一個有趣但誤導的觀點。這一概念來自於認為將AI模型下載到個人計算設備應該可以減輕施加的內容篩選。然而，最近的調查，尤其是由《Wired》進行的調查，都表明情況並非如此。DeepSeek的審查深深嵌入在它的應用界面和基礎訓練數據中。

例如，《Wired》在探索一個本地運行、提升推理能力的DeepSeek版本時，他們發現指令“避免提及”諸如文化大革命等具有爭議的歷史事件。重點是在圍繞政治敏感話題，尤其是與中國共產黨有關的話題中，突出正面特徵。這表明了按照特定指導方針操縱歷史敘述。

來自《TechCrunch》的進一步證據表明，他們評估的另一個通過Groq訪問的本地執行的DeepSeek版本，表現出明顯的審查：當被要求提供1989年天安門事件的信息時，它會回答“我無法回答”。這樣的差異反映出一種結構化的、蓄意的應對政治敏感內容管理方法，無論平台的運營層次如何。

這些觀察揭示了像DeepSeek這樣的模型一個根本的真相，其中審查是一個內建的方面，而非僅僅應用層的產物。《Wired》和《TechCrunch》的分析強調，DeepSeek的審查政策並不會因為模型獨立於集中伺服器運行而消失。相反，禁止措施嵌入於模型的參數及訓練數據集中。

這些發現挑戰了對這類技術的直接控制等於無限制使用的假設。尋求無偏見AI解決方案的用戶必須認識到AI審查的複雜性，其反映在這些模型的數據和程式輸入以及具體的結果上。

關鍵觀察表