MLJailDe

新研究解决了多语言LLM和VLM的越狱漏洞问题

研究人员开发了新的方法来检测和评估多语言大型语言模型（LLM）和视觉-语言模型（VLM）中的越狱漏洞。一种方法MLJailDe使用反向翻译和相对距离约束来创建一个多语言数据集，并提高LLM越狱检测的跨语言泛化能力，在未见过语言上达到了97.1%的F1分数。另一项研究引入了MLingualFC，这是一个VLM的基准测试，将有害指令编码成五种语言的流程图图像，揭示了显著的多语言安全差距，并表明视觉攻击可以绕过跨语言的安全对齐，尽管成功率因脚本而异。