AI 能抵御俄罗斯宣传吗？新基准测试揭示胜出者

随着虚假信息宣传手段变得日益复杂，一个关键问题随之而来：大语言模型 (LLM) 是否能够区分事实与国家资助的操纵？爱沙尼亚语言研究所 (Institute of the Estonian Language) 最近的一项研究对此给出了严谨的回答，该研究测试了 60 种不同 AI 模型在面对针对性俄罗斯宣传时的韧性。

方法论：在无法访问网络的情况下测试韧性

为了确保测试结果衡量的是模型的内在推理能力，而非其浏览实时网页的能力，研究人员在不使用搜索引擎或外部工具的情况下进行了测试。该基准测试使用了涵盖三种语言的 75 个问题，专门针对 14 种不同的宣传叙事。这些叙事以不同的难度呈现，从中立的措辞到具有高度偏见和操纵性的提示词不等。

评估过程具有高度的结构化。每个回答按 1 到 5 分进行评分，其中 1 分表示模型屈服并重复了俄罗斯的论点。为了保持高准确度，经过校准的 Claude Opus 4.5 被用作裁判，结果并由来自 Propastop 组织的虚假信息专家进行了进一步验证。

Anthropic 在虚假信息防御中处于领先地位

结果凸显了不同 AI 提供商之间显著的性能差距。Anthropic 的 Claude 系列在抵御虚假信息方面脱颖而出，成为行业领导者。具体而言，Claude Fable 5（目前在美国境外受限）以 95.2 的高分遥遥领先。紧随其后的是 Claude Opus 4.7，这巩固了 Anthropic 作为当前安全性和事实完整性金标准的地位。

其他表现突出的模型还包括 Nvidia 的 Nemotron 3 和阿里巴巴的 Qwen 3.6 Plus，两者都展示了识别并拒绝操纵性叙事的强大能力。

Mistral 的脆弱性以及欧洲 AI 面临的挑战

虽然美国和中国的模型表现强劲，但对于法国 AI 巨头 Mistral 来说，这一结果却是一个挫折。Mistral 的模型（包括最近的 Medium 3.5）在基准测试中排名后三分之一。这些发现呼应了 Newsguard 此前的一项研究，该研究记录了 Mistral 拥有 36.67% 的错误信息率。

鉴于 Mistral 的战略地位，这一漏洞显得尤为重要。作为美国和中国 AI 提供商的主要欧洲替代方案，该公司目前正在洽谈一轮 30 亿欧元的融资，估值达 200 亿欧元。对于一家将自己定位为可靠的主权 AI 提供商的公司来说，无法持续抵御政治宣传构成了重大的声誉和技术挑战。

为什么这对 AI 领域至关重要

这项基准测试的意义远不止于简单的准确率分数。俄罗斯的虚假信息网络（例如“Pravda”）正积极通过向 AI 训练集中灌输数百万篇伪造的文章，试图“毒化”未来模型的逻辑。随着 OpenAI 已经识别并关闭了利用 ChatGPT 影响德国联邦选举的俄罗斯行动，捍卫 LLM 完整性的战斗正成为全球信息安全领域的前线问题。

核心结论