Is China’s censorship restraining the potentials of the nation’s LLMs?

关于中美竞争激烈的大模型领域，我想发表一下我的看法：

据研究，网络上约97%的信息是英语。那么以英语为官方或主要语言的地区，他们的主流意识形态是偏亲中还是反中？这个不必多说吧。而LLM的训练数据主要来自于网络，为保证训练质量，摄取这方面的信息是必需的。
然而，根据中国关于LLM的相关政策，LLM是不能输出被共产党认定为有害社会稳定的“煽动”的内容的（当然，这个定义权在他们手里，他们说你煽动你就煽动），那么训练者势必花费大量efforts在训练数据或模型生成的过程中剔除各式各样的违规信息，是一种资源浪费。并且，过度的政治审查导致生成结果质量下降，哪怕prompt的本意与政治无关：我看过有人让豆包生成所有国家的国旗（没提台湾呢）。结果，豆包生成台湾的青天白日旗时，突然把前面整个回答吞掉，然后说自己无法回答😅。
而在美国，只有色情、犯罪等内容会被审查；像生成个国旗，批评一下自己国家的体制的请求不会被拒绝（不信你自己试试）。但你拿中国的模型试试看呢😅？

综上，我认为，中国对于大模型的制度是对创新者不友善的，是制约发展的。我诚恳地请教地里大佬，不知你们是否认为中国的过度审查is restraining以大模型为代表的整个互联网信息产业的发展？
谢谢大佬们☺️

你能提供一下 互联网 97%的信息是英语 这个数据的出处吗？不说中文，就西班牙语的使用者也有几个亿，怎么可能英语占97%
另外就我的观察，llm的审查任何模型都存在，无非是什么内容属于需要和谐 这点不同而已
你说的政审对中国模型的影响，不如缺卡的影响的百分之一

训练归训练，使用归使用。先训练，用的时候加个罩。

同意楼上，至少目前来看，中国模型落后最主要的因素还是缺卡。

O和A的审查overhead也很大，而且越来越大

lahaha880 发表于 2026-10-13 19:18:52
O和A的审查overhead也很大，而且越来越大

目前对于政治内容的审查远不如国内模型

97%的是英语，是12亿人没通网吗，真是张口就来lol

“在美国只有色情犯罪内容会被审查”
Too young, some time naive.

gudugudu 发表于 2026-10-14 21:44:07
“在美国只有色情犯罪内容会被审查”
Too young, some time naive.

你就说美国和中国，谁的审查更严、范围更广就行。😅