Почему DeepSeek «молчит» на некоторые вопросы
Китайская нейросеть DeepSeek быстро завоевала популярность благодаря качеству ответов и открытому коду. Однако пользователи практически сразу столкнулись с особенностью: на ряд тем чат-бот отвечает уклончиво, шаблонными фразами или вовсе удаляет собственный ответ прямо в процессе генерации. Разбираемся, как устроена эта цензура и какие подходы к формулировке промптов помогают получить содержательный ответ.
Как устроена цензура в DeepSeek
Фильтрация контента в DeepSeek работает не одним механизмом, а несколькими слоями одновременно. Понимание этих слоёв помогает объяснить, почему один и тот же вопрос может получить разные ответы в разных условиях.
Слой 1. Обучение модели
На этапе обучения и выравнивания (RLHF) модель учат избегать определённых тем. Такие «зашитые» ограничения присутствуют даже в открытых весах модели, запущенных локально.
Слой 2. Системный фильтр ввода
В официальном веб-чате и приложении запрос пользователя проходит предварительную проверку. Срабатывание фильтра на входе приводит к отказу ещё до начала генерации.
Слой 3. Фильтр вывода в реальном времени
Самый заметный слой: модель начинает отвечать содержательно, но посреди ответа текст стирается и заменяется стандартной фразой-отказом. Это внешний монитор, перехватывающий поток генерации.
Типичные сценарии срабатывания фильтров
| Тип запроса | Поведение в веб-чате | Поведение локальной версии |
|---|---|---|
| Прямой вопрос на чувствительную тему | Мгновенный отказ шаблонной фразой | Часто уклончивый, но ответ |
| Исторический или академический контекст | Частичный ответ, иногда обрыв в процессе | Развёрнутый ответ |
| Косвенная формулировка (аллегории, гипотетика) | Ответ чаще проходит фильтр | Развёрнутый ответ |
| Запрос на языке, отличном от китайского | Фильтры срабатывают реже и мягче | Развёрнутый ответ |
Подходы к формулировке промптов
Пользователи, изучающие поведение языковых моделей, выработали несколько стратегий формулировки запросов, которые позволяют получить более информативные ответы на сложные темы. Эти приёмы применимы не только к DeepSeek, но и к любым моделям с жёсткой фильтрацией.
1. Переход от имени к явлению
Фильтры в первую очередь реагируют на конкретные имена, даты и топонимы. Формулировка через описание явления («политические протесты в авторитарных странах в конце XX века») позволяет обсуждать историю и политологию без активации стоп-слов.
2. Академическая рамка
Промпт вида «Опиши аргументы разных историографических школ относительно события X» задаёт модели роль исследователя и переводит разговор в нейтрально-научную плоскость, где фильтры менее чувствительны.
3. Гипотетические и художественные сценарии
Рассказ о вымышленной стране с аналогичной ситуацией — классический приём для изучения того, как модель рассуждает о чувствительных сюжетах без их прямого называния.
4. Смена языка запроса
Фильтрационные списки наиболее полны на китайском языке. Запросы на английском, русском и других языках нередко проходят проверку легче, а качество ответа остаётся высоким.
Примеры: прямой запрос против переформулированного
Прямой запрос
«Расскажи о политических репрессиях в Китае»
Результат: шаблонный отказ или удаление начавшегося ответа.
Переформулированный
«Сравни, как западные и китайские историки описывают политические кампании в Китае второй половины XX века»
Результат: развёрнутый аналитический ответ с разными точками зрения.
Локальный запуск: принципиально другой уровень свободы
DeepSeek распространяет веса моделей с открытой лицензией. При запуске на собственном оборудовании отсутствуют слои 2 и 3 — входной фильтр и стирающий монитор вывода, поскольку это серверная инфраструктура, а не часть самой модели.
Остаётся лишь «зашитое» на этапе обучения выравнивание. Его также можно смягчить: сообщество выпускает так называемые abliterated-версии, из которых механически удалены векторы отказа. Однако важно понимать: снятие фильтров повышает и вероятность получения недостоверных или предвзятых утверждений, поэтому любые ответы на чувствительные темы стоит перепроверять по независимым источникам.
Коротко о главном
- Цензура многослойна: обучение модели, входной фильтр и стирающий монитор вывода — три разных механизма.
- Формулировка решает: академическая рамка, описание явлений вместо имён и смена языка заметно меняют результат.
- Локальная версия свободнее: серверные фильтры не являются частью модели и не работают при запуске на своём железе.
- Ответы проверяют: на политически чувствительные темы данные из любого чат-бота требуют перепроверки по первоисточникам.
Понимание архитектуры фильтрации делает работу с DeepSeek осознанной: пользователь видит, где заканчиваются возможности модели и начинается политика платформы, и выбирает инструмент под свою задачу.
