低资源语言中拒绝方向的普适性研究

研究在 Qwen2.5-14B-Instruct 上测试了白俄罗斯语等三种低资源语言，发现拒绝方向转移具有分级效应。 安全对齐语言的方向可广泛转移，而强不对齐语言的方向则失效。 低资源且强不对齐语言用户可能面临较弱的模型安全保证。