# 用 DeepSeek 教出来的模型，没学会它的审查习惯

> 原标题：Show HN: Distilling DeepSeek into GPT-OSS doesn't transfer censorship. Try it

- 来源：Hacker News 首页
- 发布时间：2026-07-30T18:13:06.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/47676
- 原文：https://www.ctgt.ai/research/distillation-censorship-transfer

## 摘要

CTGT 拿 DeepSeek V4 Flash 当老师，蒸馏出一个 120B 的金融模型。在 152 组配对测试里，老师碰到中国敏感话题时审查得分高出 45.45 分，但学生模型完全没这毛病——四个美国实验室的裁判一致认定它不审查。更意外的是，让学生自己改自己的错题再训练，金融推理成绩跟用 DeepSeek 教出来的一样好，成本却只有用 Inklin...

## 推荐理由

CTGT拿DeepSeek V4 Flash当老师，蒸馏出一个120B金融模型，发现审查行为没跟着迁移过来。152组测试里，老师碰到中国敏感话题审查倾向明显偏高，学生模型在四个独立裁判那里一致被判为不审查。更意外的是，让学生自己改自己的错题再训练，金融推理成绩跟用DeepSeek教出来的一样好，成本却只有用Inklin方案的一小截。正文没披露具体成本数字和Inklin的对比基准，这点先别太激动。但权重和评估框架都开源了，可复现性加分。

## 锐评

这篇研究解决了一个很实际的担忧：用中国模型做蒸馏，会不会把审查行为也带过来？CTGT 用 DeepSeek V4 Flash 当老师，训练自己的 GPT-OSS-120B 金融模型。在 152 组配对测试里，老师碰到中国敏感话题时审查得分高出 45.45 分，但学生完全没这毛病——四个美国实验室的裁判一致认定它不审查。这说明审查行为更像是一种输出层的偏好，而不是推理能力的一部分，蒸馏时没传过去。

更值得关注的是成本发现。他们试了让学生自己改自己的错题再训练（自蒸馏），结果金融推理成绩跟用 DeepSeek 教出来的一样好，但成本只有用 Inklin 的 1/62，比 Kimi K3 便宜 160 倍。这给做垂直领域模型的人提了个醒：不一定非得追大厂的老师模型，自己迭代可能更省钱。

不过要注意，实验只测了金融场景和 DeepSeek 这一个老师，正文没披露其他领域或模型组合的结果。另外，他们用的裁判模型本身也是美国公司的，可能存在立场偏差。代码、数据和模型都开源了，这点值得肯定，但实际效果还得自己跑一遍才知道。