研究者发布覆盖60种语言的安全对齐数据集MSafeTemp

研究者在arXiv论文中提出基于模板的可扩展数据增强流程，生成大规模多语言拒绝与良性语料，并发布经校验的语料库MSafeTemp，覆盖60种语言，用于多语言安全对齐与评测，主要面向代表性不足文化的模型安全研究。 论文实验显示，仅用英文评测会误判多语言安全性：多个模型上英文失败的攻击在翻译后可成功，本地化变体暴露更多缺陷；用模板扩充安全训练数据可改善英文以外的安全表现。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。