研究揭示低资源语言下大模型拒绝方向局限性

2026年10月22日，一项发表于arXiv、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，而是呈现渐进特性。该研究将PolyRefuse扩展至白俄罗斯语、巴什基尔语和塔吉克语进行测试，证实严重未对齐语言的方向无法可靠调控模型的拒绝行为，其几何对齐与行为迁移存在部分解耦。这项发现表明，使用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。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。