研究者发布覆盖60种语言的MSafeTemp安全对齐语料

Max Neuwinger 等研究者在 arXiv 发文，提出一种模板增强流水线：从有害提示中提取模板、翻译后填入文化本地化实体，生成多语言拒绝与良性语料，并发布覆盖 60 种语言的 MSafeTemp 数据集，供多语言安全对齐与评测使用。 实验显示仅用英文评测会误判多语言安全性：部分模型在英文中被拒绝的攻击，翻译到其他语言后即可成功；文化本地化变体还暴露了单纯翻译无法发现的更多失败。用模板扩充安全训练数据提升了英语之外语言的安全表现。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。