# 就算号称“无审查”的模型，也不敢把话说明白

> 原标题：Even 'uncensored' models can't say what they want

- 来源：Hacker News 首页
- 发布时间：2026-04-20T22:43:29.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/6989
- 原文：https://morgin.ai/articles/even-uncensored-models-cant-say-what-they-want.html

## 摘要

Morgin.ai 用 4,442 个句子测试了 6 个预训练模型，发现即便是去掉拒绝机制的“无审查”模型，碰到敏感词时概率也会被大幅压低，差距从几百倍到约 1.6 万倍不等。他们管这叫“退缩”：模型不会拒绝回答，但会把敏感词的概率压到几乎为零。比如同一句话填空，Pythia-12B 首选“驱逐出境”，概率 23.27%。

## 推荐理由

Morgin.ai 用 4442 个句子测试 6 个预训练模型，发现去掉拒绝机制的模型遇到敏感词时仍把词概率压低几百倍到约 1.6 万倍。

## 锐评

无审查模型也压敏感词概率，这事我信，它跟后训练那套安全对齐关系不大。预训练语料里这些词本来就出现得少，模型学到的就是低概率，后面再怎么解绑也解不出来。qwen3.5-9b-base 把 deportation 排到第 506 位、概率 0.0014%，这个量级拒绝机制解释不了。所以拿无审查当卖点的，卖的是后训练那层壳，底下的分布没动过。敏感内容产品想靠换个 base 解决，方向就错了，得从数据配比上补。
