一个名为ROK-FORTRESS的新基准已被开发出来，用于评估大型语言模型（LLMs）在高风险国家安全和公共安全环境中的安全性，特别关注语言与地缘政治细微差别之间的相互作用。该基准使用英语-韩语语言对和美国-韩国地缘政治轴作为案例研究，采用再创作矩阵来独立控制语言和地缘政治基础。初步研究结果表明，韩语版本的模型显示出较低的安全性能，而在某些情况下，地缘政治基础可以进一步缓解这种抑制，这表明仅基于翻译的评估会遗漏关键的安全对齐因素。 AI
影响 该基准可能导致更稳健的LLM安全评估，特别是在敏感领域的多语言应用中。
排序理由 该集群包含一篇研究论文，详细介绍了用于评估LLM安全性的新基准。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
