一项新的研究论文调查了AI模型在低资源语言中拒绝指令的通用性。该研究将PolyRefuse框架扩展到白俄罗斯语、巴什基尔语和塔吉克语,发现虽然来自对齐语言的指令可以广泛转移,但来自未对齐语言的指令效果有限。这表明对于资源最少且未对齐程度最高的语言用户来说,安全保障可能较弱。 AI
影响 表明在AI模型未对齐的低资源语言用户方面可能存在安全漏洞。
排序理由 关于AI安全和拒绝指令跨语言转移的研究论文。
- Anastasiia Ivanova
- Bashkir
- Belarusian
- PolyRefuse
- Qwen2.5-14B-Instruct
- Tajik
- Wang et al., 2025
- Yoruba
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →