研究人员开发了 KSAFE-MM，这是一个旨在评估多模态大语言模型 (MLLM) 在韩国文化背景下安全性的新基准。现有的 MLLM 安全工具常常受限于其以英语为中心以及缺乏对本地文化细微差别的关注。KSAFE-MM 通过利用本地化的视觉和文本查询来评估通用和特定文化风险，从而揭示漏洞，解决了这一问题。 AI
影响 强调了对 MLLM 进行特定文化安全评估的必要性，超越了以英语为中心的做法。
排序理由 该集群描述了一篇介绍用于评估人工智能安全性的基准的新学术论文。
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:2605.28013v1 Announce Type: new Abstract: Multimodal Large Language Models (MLLMs) exacerbate safety risks by introducing vulnerabilities across multiple modalities, such as language and vision. Current MLLM safety evaluation tools, however, suffer from major limitations: 1…
Multimodal Large Language Models (MLLMs) exacerbate safety risks by introducing vulnerabilities across multiple modalities, such as language and vision. Current MLLM safety evaluation tools, however, suffer from major limitations: 1) English-centric dataset construction, and 2) a…