arXiv · NLP· Yongxi Zhou, Junwei Yao, Wenbo Ye, Jiahui Ge·· 5 小时前AI 评分24
组件翻译与裁判标注拒绝：一种多语言安全评估方法
Component Translation and Judge-Labelled Refusal: A Multilingual Safety Evaluation
AI 导读
研究提出组件反转翻译方法，固定行为与译文数量，独立分配英、中、西语言以评估9种配置。在Gemini 2.5 Flash和DeepSeek上，拒绝率互换效应未通过Holm校正；Mistral Small 4显示13.7点的西班牙语互换效应，且通过敏感性校正。 该评估框架强调记录组件语言与译文数量，将拒绝与不安全顺从分开解读，为多语言安全测试提供额外维度。
来源：arXiv · NLP · arxiv.org