English(EN) Measuring & Mitigating Over-Alignment for LLMs in Multilingual Criminal Law Courts

新基准衡量刑事法律中大型语言模型的过度对齐

作者 PulseAugur 编辑部 · [1 个来源] · 2026-06-22 14:08

开发了一个新的基准 TF-RefusalBench，用于衡量和减轻在多语言刑事法律环境中使用的大型语言模型 (LLM) 的过度对齐问题。该基准包含 5,200 个法语、德语、意大利语和英语的提示，源自公开的瑞士联邦最高法院裁决。研究人员发现，过度对齐受模型和语言的影响，其影响不仅限于简单的拒绝，还会影响任务的忠实度。研究还评估了缓解策略，表明虽然提示可以提供帮助，但消除拒绝指令的有效性仅会造成最小的性能下降。 AI

影响这项研究通过解决过度对齐和拒绝问题，有望在敏感的法律领域实现更可靠的大型语言模型应用。

排序理由该项目是一篇学术论文，介绍了一个新的基准和评估方法论，用于大型语言模型。 [lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 0 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该项目是一篇学术论文，介绍了一个新的基准和评估方法论，用于大型语言模型。 [lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, safety; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: 108 days old; Aged out of breaking-news scoring windows; ranking reflects the durable signal from the full source set.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Andrei Kucharavy · 2026-06-22 14:08

在多语言刑事法律法庭中衡量与缓解大型语言模型（LLM）的过度对齐问题

While the wider applicability of LLMs in the legal field is currently debated due to their reliability and the gravity of any errors, narrow uses with well-understood and mitigated risks have emerged. Notably the Swiss Federal Supreme Court uses small on-premises models for tenta…

本文如何被排名

报道来源 [1]

在多语言刑事法律法庭中衡量与缓解大型语言模型（LLM）的过度对齐问题

相关实体

相关话题