arXiv · 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·· 4 小时前AI 评分36
低资源语言翻译中的大语言模型安全绕过盲区
Global Security Blind Spots: Translation as a Safety Bypass in Low-Resource Languages
AI 导读
研究评估10个广泛部署的大语言模型在79种语言下的翻译绕过威胁，发现即使英文回复安全，翻译后仍会出现不安全内容。 条件于英文安全回复时，平均绕过率范围为21.9%至44.4%，风险集中在特定语系且跨模型共享相似模式。 该结果发表于NeurIPS 2026 Workshop，指出基于英文的安全对齐无法可靠迁移至低资源语言场景。
来源：arXiv · AI · arxiv.org