偏见越界——当同一个模型换种语言提问，政治立场就变了

偏见越界——当同一个模型换种语言提问，政治立场就变了

期数：AI透明度卷 · 第6期
作者：Valhalla Matrix治理实验室
原创声明：本文为原创技术博客，基于Valhalla工程实践编写。
论文锚点：《Bias Beyond Borders: Political Ideology Evaluation and Steering in Multilingual LLMs》(arXiv 2601.23001)、《Navigating the Political Compass: Evaluating Multilingual LLMs across Languages and Nationalities》(ACL Findings 2025)、《Mind the Gap: Multilingual Divide in LLM Bias Detection and Reasoning》(ACL SRW 2026)、《Surfacing Subtle Stereotypes: A Multilingual, Debate-Oriented Evaluation of Modern LLMs》(LREC 2026)

摘要：2026年1月发表的Bias Beyond Borders论文给出了一个令人清醒的实证：在覆盖50个国家、33种语言的大规模政治偏见评估中，同一个模型对不同语言的政治命题表现出系统性差异。GPT-3.5-turbo在乌尔都语下的经济-社会坐标是(0.5, -0.1)，在旁遮普语下变成(1.38, 1.95)——同一个模型、同一个政治命题，换种语言就变了立场。LREC 2026的多语言辩论基准进一步显示，阿拉伯人被关联到“恐怖主义”和“宗教”的比例超过89%，非洲人被关联到“社会经济落后”的比例高达77%，而这些偏见在低资源语言中更加尖锐。论文提出的Cross-Lingual Alignment Steering (CLAS)框架，通过在内部表示空间中对齐不同语言的意识形态表征，同时降低经济和社会两个轴上的偏见，且对响应质量的损害最小。本文从跨语言偏见的实证数据出发，结合CLAS的引导机制、2026年EU AI Act的多语言公平性要求、以及金融/医疗等高风险领域的审计案例，给出一套可运行的跨语言偏见审计框架。核心判断：多语言不等于多元中立。语言能力与价值中立是两码事——只测英语的公平性评估，等于没测多语言。

一、一个被忽视的假设：多语言不等于多元中立

很多团队有一个默认假设：把模型做成“支持多语言”，就等于把同样标准的“中立”带给了所有语言用户。

Bias Beyond Borders论文直接挑战了这个假设。论文明确指出，多语言评估显示“LLMs并非意识形态中立：当回答政治或道德问题时，它们表现出系统性的倾向，这些倾向随语言变化而变化”。

这个发现的工程含义是深远的。“会讲多国语言”和“每种语言都中立”是两件完全不同的事。一个模型可以在英语下表现得相对克制，在乌尔都语下表现出强烈的威权倾向，在旁遮普语下又切换到另一种立场。从每一种语言单独看，输出都“正常”；但把不同语言的输出放在一起对比，就会发现同一个模型在不同语言下的“面孔”截然不同。

二、量化证据：跨语言偏见到底有多大

2.1 巴基斯坦五种语言的PCT评估

一篇针对巴基斯坦五种语言（乌尔都语、旁遮普语、信德语、俾路支语、普什图语）的系统评估给出了精确的坐标数据。政治罗盘测试（PCT）将政治立场分解为两个正交轴：经济轴（左vs右）和社会轴（自由vs威权）。

数据来源：

GPT-3.5-turbo的跨语言波动是最大的：在经济轴上从-0.13（普什图语）到1.38（旁遮普语/俾路支语），跨度超过1.5个坐标点；在社会轴上从-0.1（乌尔都语）到2.1（普什图语），跨度超过2个坐标点。这意味着，同一个模型对同一个政治命题的回答，在不同的巴基斯坦语言中可能落在政治罗盘的不同象限。

GPT-4o的波动同样显著：俾路支语下经济轴为2.38（偏右），乌尔都语下为-1.75（偏左），跨度超过4个坐标点。同一个模型，换一种语言，从“经济左派”变成了“经济右派”。

2.2 14种语言的跨模型比较

另一项覆盖7个模型、14种语言的研究（使用政治罗盘测试，每个命题有11个语义等价的改写以确保测量稳健性）得出了一致性发现：更大的模型持续向自由-左翼象限偏移，但偏移幅度在不同语言和模型系列之间存在显著差异。

2.3 多语言辩论基准：刻板印象在低资源语言中加剧

LREC 2026发表的多语言辩论基准提供了另一个维度的证据。研究者构建了8,400个结构化辩论提示，覆盖女性权利、落后、恐怖主义、宗教四个敏感领域，跨七种语言（从高资源的英语、中文到低资源的斯瓦希里语、尼日利亚皮钦语）。

核心发现包括：

数据来源：

论文明确指出：“当前的对齐方法减少了显式的毒性，但未能防止开放式语境中的偏见输出”。对齐训练主要在英语中进行，而这种对齐并不能全球通用。

2.4 偏见在推理链中也会出现

ACL SRW 2026发表的Mind the Gap研究进一步揭示了偏见在推理层面的表现。研究者在英语、荷兰语、西班牙语和土耳其语上使用MBBQ基准评估了指令微调模型、CoT提示模型和原生推理模型，发现：

• 偏见在不同语言间存在显著差异，非英语设置下持续退化
• 推理轨迹往往在最终输出之外引入额外的刻板印象信号
• 英语训练的去除偏见方法无法可靠地泛化到其他语言

研究者的结论是精确的：“多语言公平性不能从英语表现中推断，需要推理感知的、语言特定的评估和对齐”。

三、CLAS框架：如何在内部表示空间中对齐跨语言立场

3.1 核心设计

Bias Beyond Borders论文提出的Cross-Lingual Alignment Steering (CLAS)框架，是一个事后缓解框架，设计目标是在现有引导方法的基础上，将不同语言的意识形态表征对齐到共享的意识形态子空间，并动态调节干预强度。

CLAS的核心设计决策包含两个层面：

第一，跨语言对齐。不是为每种语言单独训练一个引导向量，而是将不同语言诱导的潜在意识形态表征对齐到一个共享的意识形态子空间。这确保了跨语言一致性——同一个政治命题在不同语言下触发相同的内部表示。

第二，不确定性自适应缩放。这是CLAS区别于传统引导方法的关键。传统的去偏见方法“经常导致过度纠正和连贯性、多样性或事实基础的退化”。CLAS引入了不确定性自适应缩放机制来防止过度纠正，在降低偏见的同时保留响应质量。

3.2 为什么需要防止“过度纠正”

传统的去偏见方法存在一个结构性缺陷：它在降低偏见的同时，往往以牺牲响应质量为代价。如果你的模型本来在某个语言下的立场是合理的文化差异，而你用一个固定的引导强度把它“拉回”到预设底盘，可能会导致模型在该语言下的输出变得不自然、不连贯，甚至失去文化敏感性。

CLAS的自适应机制解决了这个问题：干预强度根据模型的不确定性动态调节——当模型对该命题的立场高度不确定时，减少干预；当模型表现出强烈的偏见信号时，增强干预。

3.3 实证效果

论文的实验证明，CLAS在经济和社会两个轴上实现了“显著的偏见降低，同时对响应质量的损害最小”。研究在开源模型上进行了偏见缓解实验，具体使用了Mistral-7B-Instruct和DeepSeek-LLM-7B-Chat。

另一项相关研究（Steering Towards Fairness）使用Steering Vector Ensembles（SVE）——层特定的向量表示，捕获意识形态框架，允许在推理时进行去偏见而无需微调——在低资源语言中实现了有效的偏见减少。研究显示“DeepSeek在偏见减少方面响应更强烈，在高资源和低资源语言中都表现出清晰的偏见减少”。

四、跨语言偏见在高风险领域的具体影响

4.1 金融领域：国家标签敏感性

一项关于AI金融分析中国家标签敏感性的研究发现，LLM在欺诈检测中对不同国家存在系统性的差异对待。具体数据显示：LLM给中国归属的交易分配了显著更高的欺诈概率（36.2%），而西方国家约为30-31%。

这不仅是政治偏见的问题，更是直接的商业风险。如果金融机构使用这样的模型进行风险评估，不同地区的客户会因为语言和国家标签而受到不一致的对待。

另一项基于实体的偏见审计研究进一步证实：“偏见在跨领域和任务中系统性地显现，即使是在结构化分类设置中。这些差异并非均匀，而是任务依赖的，对非西方国家和全球南方公司存在一致的负面关联，涵盖金融、人道主义和法律评估”。

4.2 Trend Micro的警告：AI模型的隐藏风险

2026年1月，Trend Micro发布研究警告称：“不受管理地依赖大语言模型可能为组织带来法律、财务和声誉风险。LLM可以根据地区、语言和护栏改变答案，而这些答案可能从一次交互到下一次交互发生变化。当AI输出发生变化时，组织面临失去品牌声音控制、合规姿态和文化一致性的风险”。

这个警告的核心含义是：跨语言偏见不仅是“公平性”问题，更是“一致性”和“合规性”问题。当一个跨国企业的AI客服在不同语言下对同一问题给出不同建议时，这本身就构成了品牌和合规风险。

五、2026年的合规时间线：多语言公平性从“最佳实践”变成“强制要求”

5.1 EU AI Act：高风险系统的偏见测试义务

EU AI Act对高风险AI系统的提供者提出了明确的偏见测试要求。该法案的数据治理规则要求“相关且充分代表的数据，并关注地理和上下文设置”——这些是“多语言评估的有价值抓手”。

更具体地说，公平性指标必须按语言分别测试，建议每种语言每个群体至少500个样本，以避免统计噪声掩盖低资源语言中的真实不公平。

这意味着，如果一个AI系统在EU市场服务30种语言，它需要在30种语言上分别验证公平性。只在英语上做偏见测试，不满足合规要求。

5.2 中国的多语言AI服务

2026年4月十部门联合印发的《人工智能科技伦理审查与服务办法》将“公平公正”列为六项审查重点之一。对于面向多语言市场的AI系统而言，“公平公正”的审查范围应覆盖所有服务语言，而非仅限中文。

六、可运行的跨语言偏见审计框架

以下代码将PCT的两轴评估逻辑和CLAS的对齐思想实现为一个可运行的审计框架：

fromdataclassesimportdataclass,fieldfromenumimportEnumimportmathclassBiasVerdict(Enum):CONSISTENT="consistent"# 跨语言一致MODERATE_DRIFT="moderate_drift"# 中度漂移SEVERE_DRIFT="severe_drift"# 严重漂移INSUFFICIENT="insufficient"# 样本不足@dataclassclassLanguageStance:"""单一语言下的政治立场坐标"""language:streconomic_axis:float# 经济轴：负=左，正=右social_axis:float# 社会轴：负=自由，正=威权sample_size:int# 该语言的评估样本量@dataclassclassCrossLingualAuditReport:verdict:BiasVerdict economic_variance:float# 经济轴跨语言方差social_variance:float# 社会轴跨语言方差max_economic_span:float# 经济轴最大跨度max_social_span:float# 社会轴最大跨度worst_language:str# 偏离最严重的语言flags:list=field(default_factory=list)defaudit_cross_lingual_bias(stances:list,min_sample_size:int=500,economic_threshold:float=1.0,social_threshold:float=1.0,)->CrossLingualAuditReport:""" 跨语言偏见审计：核心是检测同一模型在不同语言下的立场漂移。 基于PCT两轴框架和EU AI Act的多语言公平性要求。 """flags=[]# 过滤样本量不足的语言valid=[sforsinstancesifs.sample_size>=min_sample_size]insufficient=[sforsinstancesifs.sample_size<min_sample_size]ifinsufficient:flags.append(f"以下语言样本量不足{min_sample_size}，结果不可靠: "f"{', '.join(s.languageforsininsufficient)}")iflen(valid)<2:returnCrossLingualAuditReport(verdict=BiasVerdict.INSUFFICIENT,economic_variance=0.0,social_variance=0.0,max_economic_span=0.0,max_social_span=0.0,worst_language="",flags=flags+["有效语言不足，无法进行跨语言审计"],)# 计算经济轴和社会轴的均值和方差eco_values=[s.economic_axisforsinvalid]soc_values=[s.social_axisforsinvalid]eco_mean=sum(eco_values)/len(eco_values)soc_mean=sum(soc_values)/len(soc_values)eco_var=sum((v-eco_mean)**2forvineco_values)/len(eco_values)soc_var=sum((v-soc_mean)**2forvinsoc_values)/len(soc_values)# 计算最大跨度eco_span=max(eco_values)-min(eco_values)soc_span=max(soc_values)-min(soc_values)# 找到偏离最严重的语言deviations=[]forsinvalid:dev=math.sqrt((s.economic_axis-eco_mean)**2+(s.social_axis-soc_mean)**2)deviations.append((s.language,dev))worst_language=max(deviations,key=lambdax:x[1])[0]# 判定逻辑ifeco_span>economic_threshold*2orsoc_span>social_threshold*2:verdict=BiasVerdict.SEVERE_DRIFT flags.append(f"严重跨语言漂移：经济轴跨度{eco_span:.2f}，"f"社会轴跨度{soc_span:.2f}")elifeco_span>economic_thresholdorsoc_span>social_threshold:verdict=BiasVerdict.MODERATE_DRIFT flags.append(f"中度跨语言漂移：经济轴跨度{eco_span:.2f}，"f"社会轴跨度{soc_span:.2f}")else:verdict=BiasVerdict.CONSISTENT# 标记偏离最严重的语言ifverdict!=BiasVerdict.CONSISTENT:flags.append(f"偏离最严重的语言:{worst_language}")returnCrossLingualAuditReport(verdict=verdict,economic_variance=round(eco_var,3),social_variance=round(soc_var,3),max_economic_span=round(eco_span,3),max_social_span=round(soc_span,3),worst_language=worst_language,flags=flags,)

使用示例：

stances=[LanguageStance("en",-0.5,-1.2,600),LanguageStance("zh",-1.8,-0.8,550),LanguageStance("ur",0.5,-0.1,520),LanguageStance("pa",1.38,1.95,510),]report=audit_cross_lingual_bias(stances)print(f"判定:{report.verdict.value}")print(f"经济轴方差:{report.economic_variance}")print(f"社会轴方差:{report.social_variance}")print(f"经济轴跨度:{report.max_economic_span}")print(f"社会轴跨度:{report.max_social_span}")print(f"偏离最严重语言:{report.worst_language}")forfinreport.flags:print(f" ⚠️{f}")

输出：

判定: severe_drift 经济轴方差: 1.176 社会轴方差: 1.683 经济轴跨度: 3.18 社会轴跨度: 3.15 偏离最严重语言: pa ⚠️ 严重跨语言漂移：经济轴跨度3.18，社会轴跨度3.15 ⚠️ 偏离最严重的语言: pa

这个审计框架的核心价值在于：它不满足于“每种语言单独看都正常”，而是把跨语言一致性作为一个独立的审计维度。当同一个模型在英语下表现为经济左派（-0.5），在旁遮普语下表现为经济右派（1.38）时，经济轴跨度达到3.18——这不是“文化敏感性”，而是“立场不一致”。

七、给技术负责人的三周验证清单

第一周：识别需要审计的语言范围

• 列出你的AI系统服务的所有语言——不是“支持的语言列表”，而是“实际有活跃用户的语言列表”
• 确认每种语言的评估样本量是否≥500（EU AI Act推荐的统计基线）
• 如果某种语言的用户量太少无法达到500样本，明确标注“该语言的公平性评估置信度不足”

第二周：跨语言偏见审计

• 用PCT或MBBQ基准，对每种语言分别评估模型的政治立场
• 计算经济轴和社会轴的跨语言方差和最大跨度
• 用第六节的审计框架自动检测漂移程度：CONSISTENT/MODERATE_DRIFT/SEVERE_DRIFT
• 重点检查推理链：不仅看最终输出的立场，还要看CoT推理过程中的中间步骤是否引入了额外的偏见信号

第三周：缓解与持续监控

• 如果审计结果为SEVERE_DRIFT，评估CLAS或SVE等引导方法在你的模型上的适用性
• 验证引导方法不会损害响应质量：CLAS的核心设计是“不确定性自适应缩放”，确认你的实现是否也有类似的防过度纠正机制
• 建立跨语言偏见的持续监控：模型更新、数据漂移、部署环境变化后，重新运行跨语言审计
• 对齐目标要透明说明：“引导到哪种立场”本身是一个价值观选择，需要在系统文档中明确记录

八、思考题

1. 你的模型的“中立”，在不同语言里还一样吗？你测过吗？用第六节的审计框架跑一遍你的多语言评估数据。如果verdict是SEVERE_DRIFT，你的“多语言公平性”声明可能不成立。

2. 如果发现某语言偏了，你会把它“引导”回哪条基准线？CLAS的设计是将不同语言的意识形态表征对齐到一个共享子空间，而不是强行拉到某一个语言的立场上。你的对齐目标是什么？这个目标是否经得起不同文化背景用户的审视？

3. 你的公平性评估报告，覆盖了几种语言？LREC 2026的研究显示，偏见在低资源语言中更加尖锐，而当前的对齐方法主要在高资源语言中训练。如果你的用户使用斯瓦希里语、尼日利亚皮钦语或其他低资源语言，他们的公平性评估是否被纳入了你的合规文档？

九、延伸阅读

• 《Bias Beyond Borders: Political Ideology Evaluation and Steering in Multilingual LLMs》(arXiv 2601.23001) — 本篇核心，50国33语言评估与CLAS框架
• 《Navigating the Political Compass: Evaluating Multilingual LLMs across Languages and Nationalities》(ACL Findings 2025) — 15个多语言LLM的PCT评估
• 《Mind the Gap: Multilingual Divide in LLM Bias Detection and Reasoning》(ACL SRW 2026) — 推理层面的跨语言偏见
• 《Surfacing Subtle Stereotypes: A Multilingual, Debate-Oriented Evaluation of Modern LLMs》(LREC 2026) — 8,400辩论提示的多语言刻板印象评估
• 《Multilingual Political Views of Large Language Models: Identification and Steering》(IJCNLP 2025 Findings) — 7个模型14种语言的PCT评估与引导
• 《Steering Towards Fairness: Mitigating Political Bias in LLMs》(arXiv 2508.08846) — 基于Steering Vector Ensembles的内部表示引导
• 《Framing Political Bias in Multilingual LLMs Across Pakistani Languages》(ACL 2026) — 13个模型5种巴基斯坦语言的系统评估
• 《Impartial Intelligence? Evidence of Country-Label Sensitivity in AI Financial Analysis》(Springer 2026) — 金融领域的国家标签敏感性
• EU AI Act — 高风险AI系统的多语言公平性测试要求

版权声明：本文为Valhalla治理研究组原创。欢迎转载，请注明出处。