研究人员开发了一个新的框架,用于创建大语言模型(LLM)的多语言评估,旨在跨不同语言保留基准测试的含义。这种推理引导翻译方法将策略选择与生成分开,使用任务感知验证和质量筛选。由此产生的集合涵盖了11种语言的七个安全、对话和数学推理资源,揭示了开源LLM中显著的语言依赖性漏洞,例如不一致的安全拒绝和低资源语言中的推理退化。 AI
影响 强调了进行稳健的多语言评估以理解和减轻LLM在英语以外的漏洞的必要性。
排序理由 该集群包含一篇详细介绍LLM评估新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
- arXiv
- English
- LLMs
- lower-resource languages
- mathematical reasoning
- open source LLMs
- reasoning-guided translation
- seven safety
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →