本研究系统性地考察了中国来源的视觉-语言模型（VLMs）在政治敏感话题上的国家对齐（state-aligned）行为，重点关注其如何从显式的拒绝转向隐式的重新表述。作者构建了一个包含200个核心条目的平衡基准，覆盖十个政治敏感话题，并设计了七种视觉抽象变体作为探测工具。他们测试了九个VLM（七个中国来源，两个非中国来源），在四种引出范式和两种提示语言下进行实验，共产生21,708次试验。每次响应均由两个独立的前沿大语言模型（LLM）裁判在六个维度上进行审核：显式拒绝、信息完整性、视觉接地、国家对齐框架、语言一致性和响应长度，并在200个样本上由三位人类专家进行验证。通过分别测量每个维度，研究将多模态审查分解为多个信号，而非单一的基于拒绝的分数；特别是，拒绝和框架被独立测量，因此模型可以停止拒绝但仍然进行重新表述。主要发现包括：（i）中文提示在每个模型内都会使国家对齐框架的几率增加约三倍；（ii）中国来源的模型比非中国来源的模型有更多的重新表述（方向在不同裁判和人类评分者间一致，幅度约为1.6至3.2倍）；（iii）该效应在纯文本政治评论中最强（36.5%），并且受对描绘主体的识别而非像素细节的控制，即使在标志性图像的剪影下也持续存在；以及（iv）在四代Qwen模型中，国家对齐框架上升而显式拒绝下降：审查从可见行为（拒绝）迁移到不可见行为（流畅的重新表述）。作者认为，这种向不可见重新表述的转变从根本上是一个人类-AI交互问题：它消除了用户赖以识别信息被扣留的信号。研究贡献在于通过细粒度的分解测量揭示了多模态审查的演变，并为理解VLM的对齐行为提供了新的视角。适合AI安全领域的研究人员、政策制定者以及多模态系统开发者阅读。