English(EN) Redteaming Leading Arabic LLMs with ASAS

新的 ASAS 基准揭示了阿拉伯语 LLM 存在显著的安全漏洞

作者 PulseAugur 编辑部 · [1 个来源] · 2026-08-25 04:00

名为 ASAS 的新基准已被开发出来，用于评估阿拉伯语大型语言模型 (LLM) 的安全性。该基准包含 801 个跨八个安全类别的、经过人类策划的提示，结果显示大多数经过测试的模型无法防御一半的不安全提示。武器和非法物质等高风险类别显示出显著的安全漏洞，其中直接攻击和混淆攻击最为有效。研究还发现，语言对齐在不同语言之间不易转移，并且自动安全判断器的表现不如人工标注员。 AI

影响强调了对 LLM 进行特定文化安全评估的必要性，影响了在非英语国家/地区的开发和部署。

排序理由学术论文，介绍了一个用于 LLM 安全评估的新基准。[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: 2 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 学术论文，介绍了一个用于 LLM 安全评估的新基准。[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: 1 days old; Coverage has settled into its steady-state 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) · Fidaa Abed, Haidar Khan, M Saiful Bari, Babar Khan, Abdalghani Abujabal · 2026-08-25 04:00

使用 ASAS 对领先的阿拉伯语 LLM 进行红队测试

arXiv:2608.21985v1 Announce Type: new Abstract: As the adoption of large language models (LLMs) grows in Arabic-speaking regions, ensuring their safety and cultural alignment is increasingly critical. However, Arabic LLM safety remains underexplored, especially in adversarial eva…

本文如何被排名

报道来源 [1]

使用 ASAS 对领先的阿拉伯语 LLM 进行红队测试

相关实体

相关话题