热点事件持续更新
研究团队发布孟加拉语安全分类器与基准BanglaShield
1 篇报道1 个报道来源5 小时前更新
先了解这件事
AI 综述
2026年10月，研究人员发布了面向孟加拉语提示词的安全分类资源与模型 BanglaShield，旨在解决包含原生文字、罗马化及混杂提示词等多种书写形式下的脚本鲁棒安全分类问题。该资源包含 10,245 条四级分类提示词及三种对齐书写形式。评测结果显示，主流大语言模型在应对孟加拉语内容安全时存在明显缺陷，不仅将 47.0% 的原生文字不安全提示词误判为安全，在罗马化形式下的误判率更是攀升至 63.4%。
AI 根据报道生成 · 5 小时前更新
最新进展10月20日 12:00
研究人员推出孟加拉语安全分类资源BanglaShield，评测显示主流LLM在罗马化形式下误判率达63.4%。报道时间线
沿着报道，了解事件的不同侧面。
10月20日
- arXiv 自然语言处理BanglaShield：面向孟加拉语原生文字、罗马化及混杂提示词的脚本鲁棒安全分类器与基准
研究人员推出孟加拉语提示词安全分类资源与模型 BanglaShield，涵盖 10,245 条四级分类提示词及三种对齐书写形式。评测显示主流大语言模型将 47.0% 的原生文字不安全提示词误判为安全，罗马化下误判率升至 63.4%。
本事件热度走势
当前热度 9·可比范围峰值 10（10月20日 13:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。