arXiv· Max Neuwinger·· 20 小时前推荐指数62
arXiv 论文提出模板化多语言安全对齐数据集 MSafeTemp，覆盖 60 种语言
How I Aligned Your Model: Scaling Up Multilingual Safety Training with Templates
AI 导读
论文提出基于模板的可扩展增强流水线，从有害提示中提取安全模板、翻译后填入具有文化真实性的实体，生成大规模多语言拒绝与良性语料，并发布覆盖 60 种语言的 MSafeTemp 数据集。实验显示仅用英文评测会误判多语言安全：部分模型在英文失败的攻击翻译后成功，本地化变体还能暴露翻译无法覆盖的失败；模板增强安全训练数据可提升对齐多样性与质量，改善英文以外的安全表现。
来源：arXiv · arxiv.org