拒绝方向在低资源语言中是否具有通用性？

一项针对 Qwen2.5-14B-Instruct 的研究发现，大语言模型的拒绝方向在低资源语言中并非二元通用，而是呈渐进特性。该研究将 PolyRefuse 扩展至白俄罗斯语、巴什基尔语和塔吉克语，证实严重未对齐语言的方向无法可靠调控拒绝行为，几何对齐与行为迁移存在部分解耦。这意味着极度低资源且未对齐语言的用户可能面临更弱的安全保障。