组件翻译法用于多语言安全评估

2026年10月28日，Yongxi Zhou等人在arXiv发布论文《组件翻译与裁判标注拒绝：一种多语言安全评估方法》，提出组件反转翻译框架。该框架通过固定行为与译文数量，独立分配英、中、西语言，评估9种配置下的模型安全表现。 在Gemini 2.5 Flash和DeepSeek模型测试中，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。该框架强调记录组件语言与译文数量，并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。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。