研究发布豪萨语安全偏好数据集 HausaSafeLM，评估 SFT 与 DPO 对齐效果
原文标题：Aligning Large Language Models for Safety in African Languages: A Case Study of Hausa
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。
论文针对西非逾 2 亿人使用的豪萨语，基于 PKU-SafeRLHF 构建 1 万条提示的 HausaSafeLM 安全偏好数据集（3000 条人工校正、7000 条机器翻译）。在 Qwen2.5-7B-Instruct 上比较 SFT 与 SFT+DPO，发现基座模型高拒答率实为生成能力不足；DPO 提升拒答精度但显著损害语言质量。作者指出拒答率不能单独作为低资源语言安全指标。
- 问题
- 低资源语言豪萨语缺乏安全对齐数据，现有对齐方法在该场景是否有效未知。
- 方法
- 基于 PKU-SafeRLHF 构建 1 万条豪萨语安全偏好数据集，在 Qwen2.5-7B-Instruct 上对比 SFT 与 SFT+DPO。
- 结果
- 基座模型高拒答率实为生成能力不足；DPO 提升拒答精度但显著损害语言质量；无配置能同时兼顾安全、有用与流畅。
- 影响
- 做低资源语言安全对齐时，拒答率不能单独当指标，DPO 的语言质量代价需提前评估。
深读 · 结论先行AI 生成展开看要点与影响 ↓
豪萨语安全数据集显示基座高拒答率实为生成能力不足，DPO提升拒答精度却损语言质量
- •针对西非逾2亿人使用的豪萨语，基于PKU-SafeRLHF构建1万条提示的HausaSafeLM数据集
- •数据分3000条人工校正（gold）与7000条机器翻译（silver），覆盖六类危害
- •在Qwen2.5-7B-Instruct上比较SFT与SFT+DPO，评测500条有害与200条良性豪萨语提示
- •基座模型拒答率看似很高，但拒答几乎全是低质量，反映生成能力不足而非真对齐
- •DPO提升拒答精度，但对语言质量造成显著且基本不随数据变化的代价；无单一配置同时最优
为什么重要：低资源语言安全评估若只看拒答率会严重误判；对做多语言对齐的团队，这是「拒答率不能单独作指标」的直接证据。
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。