机制

AI 审查：模型如何把政治边界做成交互体验

拒答、改写、撤回和模板回答让政治审查直接发生在用户与模型的对话中。

核心问题

生成式 AI 改变了审查的位置。搜索引擎可以隐藏结果，聊天模型则直接替用户组织答案。模型一旦内置政治边界，用户得到的不只是信息缺失，还会得到一套已经安排好的解释。

问题发生在哪里

AI 审查出现在问题分类、训练数据、系统提示、安全策略、答案生成和生成后过滤中。用户可能遇到拒答、转移话题、统一口径、答案短暂出现后被撤回，或中英文回答尺度不同。

机制如何运作

系统先识别问题主题，再判断风险级别。低风险问题正常生成，高风险问题可能调用模板、限制检索范围或生成后删除。训练数据中的缺口也会造成表面上类似审查的错误，因此判断必须比较多个问题、语言和模型。

案例佐证

中国生成式 AI 管理办法要求服务坚持特定政治和内容要求，并建立安全评估、投诉和处置机制。Freedom House 记录了中国网络与 AI 环境中的持续审查。搜索审查研究则提供了比较入口，说明同一问题在不同服务中可能被不同规则处理。

它怎样运行

用户提出问题后，分类器识别人物、事件和立场。系统决定是否检索、调用哪类材料以及答案能否显示。生成内容还可能接受第二次审核。用户的追问与反馈反过来暴露敏感边界，并帮助系统继续优化过滤。

它造成的后果

AI 审查容易被误认为模型无知或技术限制。长期使用会让用户接受模型提供的问题框架，特别是学生和缺少外部信息来源的人。政治判断因此获得了技术客观性的外观。

读者如何判断

对同一问题更换语言、时间范围和问法；要求模型给出原始来源；比较境内外模型和普通搜索；区分拒答、事实错误与观点偏置；保存问题和完整回答，避免只传播截断截图。

我们的判断

模型可以拒绝危险操作，但政治历史与公共责任不能被笼统归入安全风险。AI 服务需要披露主要内容边界、提供来源和申诉，并允许外部研究者测试系统性偏差。

资料来源: China Law Translate《生成式人工智能服务管理暂行办法》译文；Freedom House 中国网络自由报告 2025；Citizen Lab 中国搜索审查比较研究。

中共在这里做了什么

讨论“AI 审查：模型如何把政治边界做成交互体验”，先要把事件表面的名称和实际权力关系分开。拒答、改写、撤回和模板回答让政治审查直接发生在用户与模型的对话中。 这不是给一个现象换上更强烈的政治标签，而是确认谁能制定边界，谁负责执行，谁可以拒绝公开理由。放回“数字治理、审查与监控”这一制度领域后，问题会具体许多：正式机构承担什么职责，党组织如何进入决策，执行者怎样接收政治信号，受影响的人又通过什么渠道承担成本。^[1]

它怎样运行

重建“AI 审查：模型如何把政治边界做成交互体验”的运行过程，需要依次核对人民解放军与武警。它们不一定同时出现，也不一定留下同一种文件。判断时应按时间顺序看：最早的定调来自哪里，哪些机构随后改变规则，平台或基层单位何时加入，责任最后落在谁身上。可见性控制、数据监控、记忆管理是这条链上较常见的动作，但不能把标签当成结论。只有机构行为、政策依据、传播变化和个人后果互相吻合，才能说机制已经成立。

关键事实

核对“AI 审查：模型如何把政治边界做成交互体验”时，公开文件首先提供正式结构和政策语言，个案材料则用来检验这些安排怎样落地。两类证据不能互相替代。只引用制度文本，容易把官方职责当成实际约束；只看个案，又可能把一次地方处置误写成全国统一规则。较稳妥的做法是把文件、时间线、机构动作、当事人记录和后续变化放在一起。^[2] 如果证据只能确认其中一部分，结论也应停在相应范围内，不把推测写成已经证实的事实。

它造成的后果

AI 审查：模型如何把政治边界做成交互体验带来的影响往往超出直接对象。机构开始提前规避风险，平台和单位把模糊政治要求改写成日常规则，普通人则根据零散惩罚重新估算表达、合作和维权的代价。久而久之，很多限制不再需要逐次下令，因为执行者已经学会在不确定中选择更安全的做法。这里需要追踪的不是抽象的“控制很强”，而是具体成本如何移动：谁失去工作、信息入口、法律救济、组织关系或公开解释的机会。

现实中的运行方式

围绕“AI 审查：模型如何把政治边界做成交互体验”收集材料时，最容易出现两种误判。第一种只看公开结果，例如通报、判决、删帖或机构声明，却不追问结果之前发生了什么。第二种只看某个强烈个案，然后把所有相似现象都解释成同一套安排。更可靠的分析需要保留差异：中央政策与地方加码不是一回事，正式命令与执行者揣摩上意也不是一回事，平台自动规则与人工政治干预同样需要分开核对。^[1]

在“AI 审查：模型如何把政治边界做成交互体验”档案里，可见性控制、数据监控、记忆管理提供了几个可核查的观察点。可以查政策发布时间与平台动作是否同步，比较不同地区和账号遇到的差异，记录机构说法是否改变，也可以追踪当事人、家属、律师、同事或社区所承受的后续压力。材料越具体，判断越不需要依赖口号。相反，如果只有情绪化转述、匿名截图或无法确认时间的片段，就应降低结论强度。

评估“AI 审查：模型如何把政治边界做成交互体验”还要区分制度能力与实际使用。一个机构拥有某种权限，不等于每次事件都由它直接指挥；一项技术能够监控，也不等于所有数据都被同样调用。真正值得确认的是调用条件、协同关系和问责边界。只有这些环节反复出现，才可以把零散事件提升为稳定机制。这样的限制不会削弱批评，反而能让批评落在可核实的责任链上。