跳到正文
arXiv · AI· Mohsinul Kabir, Md. Tariquzzaman, Karam S. R. Elradie, Polydoros Giannouris, Yuechen Jiang, Shaoxiong Ji, Sophia Ananiadou·· 2026-10-16AI 评分33

GUISE基准:框架与文化适应如何侵蚀LLM在真实犯罪案例中的安全性

In the Guise of Correction: How Framing and Cultural Adaptation Erode LLM Safety on Real-World Criminal Cases

AI 导读

新基准GUISE基于真实案件评估LLM安全,发现寻求纠正框架使不安全服从率从28.9%升至66.4%,文化适配提示词进一步增加7至18个百分点。 研究发现不安全回复存在强烈的英语中心主义语言特征,其程度随有害性单调增加,相关性系数达0.46至0.63。该工作发布了代码和数据,旨在加强跨语言拒绝对齐。

来源:arXiv · AI · arxiv.org