研究：低资源语言拒答方向迁移不具普遍性，Qwen2.5-14B 实验
原文标题：Is Refusal Direction Universal across Low-Resourced Languages?
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文将 PolyRefuse 扩展到白俄罗斯语、巴什基尔语和塔吉克语，在 Qwen2.5-14B-Instruct 上复现拒答方向迁移实验。结果显示拒答方向的普遍性是分级的而非二元的：安全对齐语言的方向可广泛迁移，而严重未对齐语言的方向无法可靠调控拒答行为，提示最弱势语言用户面临更弱的安全保障。
- 问题
- 拒答方向跨语言迁移是否对低资源语言普遍有效。
- 方法
- 把 PolyRefuse 扩展到白俄罗斯语、巴什基尔语、塔吉克语，在 Qwen2.5-14B-Instruct 上复现拒答方向迁移流程。
- 结果
- 未给出量化结果；结论为迁移普遍性分级而非二元，严重未对齐语言无法可靠调控拒答。
- 影响
- 做多语言安全对齐时不能假设拒答方向通用，最弱势语言用户的安全保障更弱，需单独验证。
深读 · 结论先行AI 生成展开看要点与影响 ↓
在Qwen2.5-14B上扩展三种低资源语言，拒答方向迁移是分级的而非普遍成立。
- •将PolyRefuse扩展到白俄罗斯语、巴什基尔语、塔吉克语，复现Wang等2025的流程
- •安全对齐与部分对齐语言的方向可广泛迁移；严重未对齐语言的方向无法可靠调控任何目标
- •几何对齐与行为迁移被证明部分解耦
- •此前唯一真正低资源语言是约鲁巴语，本身强未对齐、迁移有限
为什么重要：最弱势语言用户可能获得更弱的安全保障，多语言安全对齐不能假设方向可通用迁移。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。