一篇新发表在arXiv上的研究论文强调了大型语言模型（LLM）跨语言安全性的显著局限性。该研究聚焦于四种非洲语言——Twi语、豪萨语、阿姆哈拉语和斯瓦希里语，发现为英语开发的安全性对齐方法并未有效迁移到这些低资源语言中。研究人员使用了一个名为LoDNA的新数据集和一个潜在几何框架，发现有害提示保留的英语拒绝信号不到10%，这表明当前的跨语言安全措施是肤浅的。 AI
影响 突显了大型语言模型在非英语语言方面的安全关键性差距，可能影响全球人工智能部署，并需要新的对齐策略。
排序理由 该集群包含一篇详细介绍大型语言模型（LLM）安全局限性新发现的研究论文。
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2608.11146v1 Announce Type: new Abstract: Safety alignment in large language models (LLMs) is largely developed in English, assuming these safeguards generalize across multilingual settings. However, this assumption remains underexplored and exposes a vulnerability in low-r…
Safety alignment in large language models (LLMs) is largely developed in English, assuming these safeguards generalize across multilingual settings. However, this assumption remains underexplored and exposes a vulnerability in low-resource languages. We investigate cross-lingual …