arXiv · NLP· Chaymaa Abbas, Nour Shammaa, Mariette Awad·· 2026-10-09AI 评分33
翻译如何掩盖数据污染:基于阿拉伯语语料库的证据
Obscuring Data Contamination Through Translation: Evidence from Arabic Corpora
AI 导读
翻译可掩盖 LLM 数据污染信号,导致仅基于英文的后验探针失效。 研究通过向四个开源模型暴露 MMLU 和 XQuAD 的阿拉伯语翻译验证此现象。TS-Guessing 和 Min-K%++ 信号在翻译暴露下消失,而新提出的 TACD 诊断方法能检测跨语言一致性。这突显了开发多语言污染诊断工具的必要性。
来源:arXiv · NLP · arxiv.org