★ 2
arXiv 论文提出组件翻译与评判标注拒答的多语言安全评估
论文提出「配对反转」方法，分别将请求中的组件或操作翻译为目标语言，以区分语言承载位置对拒答的影响。在 190 条有害行为上测试英、中、西九种配置，Gemini 2.5 Flash 与 DeepSeek 的拒答差异约 5.3 个百分点且未通过多重校正；Mistral Small 4 出现 13.7 …
arXiv NLP3 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文提出「配对反转」方法，分别将请求中的组件或操作翻译为目标语言，以区分语言承载位置对拒答的影响。在 190 条有害行为上测试英、中、西九种配置，Gemini 2.5 Flash 与 DeepSeek 的拒答差异约 5.3 个百分点且未通过多重校正；Mistral Small 4 出现 13.7 …