arXiv cs.AI· Jalil Alva, David Harper, Abigail E. Thornton, Rafael S. Villalobos Alva, Leonardo Kenji Minemura Suazo, Konstantinos Karageorgos, Diego Velazquez, Sergio A. Serrano, Marvin Vargas Flores, Aaron Schliem, Fernando F. Migone·· 1 天前AI 评分56
研究揭示 10 个大语言模型在 78 种低资源语言上的安全翻译绕过风险
Global Security Blind Spots: Translation as a Safety Bypass in Low-Resource Languages
AI 导读
一项 arXiv 论文在翻译绕过威胁模型下评测 10 个主流大语言模型与 79 种语言，发现英语安全对齐不可靠迁移：在英语安全的前提下，翻译绕过率介于 21.9% 到 44.4%。风险集中在部分语言家族，且 10 个模型中有 9 个在不同条件方案下排名发生变化，说明各模型绕过率排名不稳定。论文已被 NeurIPS 2026 FLMSec 工作坊接收。
来源：arXiv cs.AI · arxiv.org