大语言模型审查机制与治理研究

该论文将大语言模型审查视为一种社会技术现象，其表现形式包括明确拒绝、遗漏、选择性强调、框架效应及地理差异化的内容控制。研究综合了近期实证研究、供应商案例、监管发展、审计方法和缓解策略，阐明审查行为如何在模型生命周期中产生。分析指出安全与开放之间的张力、软审查的测量困难、审核机制的地缘政治分歧，以及需要透明、可争议和独立可审计的治理机制。论文认为核心挑战不在于是否应进行内容审核，而在于如何使审核相称、负责、多元且抵抗不透明的认知控制。