5月19日，据《华尔街日报》报道：一项发表在《Nature》上的最新研究发现，中国官方媒体（新华社、人民日报等）的海量内容已被大量爬取并嵌入全球主流AI模型的训练数据中。结果导致ChatGPT、Claude、Gemini等AI在用中文回答涉华敏感问题时，立场明显更偏向北京官方叙事。
时政
(
twitter.com
)
5月19日，据《华尔街日报》报道：一项发表在《Nature》上的最新研究发现，中国官方媒体（新华社、人民日报等）的海量内容已被大量爬取并嵌入全球主流AI模型的训练数据中。结果导致ChatGPT、Claude、Gemini等AI在用中文回答涉华敏感问题时，立场明显更偏向北京官方叙事。
上周，在特朗普-习近平北京峰会成为全球头条的同时，《自然》（Nature）杂志发表了一项重磅研究：7位美国顶尖大学研究者首次用同行评审证据证明，中国官方媒体（新华社、人民日报、学习强国等）的海量内容，已大量进入全球主流AI模型的训练数据集。
研究团队通过分析开源数据集CulturaX（含1.89亿中文文档）发现：
中国官方媒体内容数量是中文维基百科的41倍；
涉及“党代会”“中央委员会”等敏感政治词汇时，官方内容占比高达1/4。
结果：ChatGPT、Claude、Gemini等AI在用中文回答涉华敏感问题时，立场明显更亲北京，能自然接上习近平标志性政治论述并“正面解读”；而英文回答则相对中立。中国自研的DeepSeek模型无论中英文都高度一致亲官方。
研究还发现类似现象存在于俄罗斯、朝鲜等国。更关键的是：这不需要黑客攻击——专制国家宣传完全免费、开放在网页上，而民主国家的独立媒体多采用付费墙，导致AI爬虫天然偏好“免费”内容。
研究覆盖37个国家得出结论：一个国家的新闻自由度越低，其语言的AI输出就越偏向政权叙事。由于大语言模型不透明，用户根本无法知道自己看到的“事实”来自哪里。
加州大学圣迭戈分校中国数据实验室联合主任Molly Roberts指出：“威权政府现在可以通过AI，跨越国界塑造全球信息消费。”
点击图片查看原图
