arXiv cs.CL· Valdini Douglace Lemofouet, Blessing Ngozi Uzor, Paula Chikaodinaka Anyanwu, Danielle Blanche Kapsa, Saminu Mohammad Aliyu, Seid Muhie Yimam, Shamsuddeen Hassan Muhammad·· 12 小时前AI 评分31
面向非洲语言安全对齐的大语言模型研究：以豪萨语为例
Aligning Large Language Models for Safety in African Languages: A Case Study of Hausa
AI 导读
研究团队构建了豪萨语安全偏好数据集 HausaSafeLM，含 10,000 条源自 PKU-SafeRLHF 的提示词，其中 3,000 条人工校正、7,000 条机器翻译，覆盖六类危害。
正文 · AI 翻译
摘要：大型语言模型（LLM）的安全对齐研究仍集中于高资源语言，现有对齐方法在低资源、文化差异显著的环境中表现如何尚无定论。我们针对豪萨语研究这一问题，该语言在西非有超过 2 亿使用者。我们推出 HausaSafeLM，这是首批豪萨语安全偏好数据集之一，基于源自 PKU-SafeRLHF 的 10,000 条提示构建：3,000 条人工校正（金标）和 7,000 条机器翻译（银标）样本，涵盖六大危害类别。使用 Qwen2.5-7B-Instruct，我们在两种数据条件下比较监督微调（SFT）与 SFT 后接直接偏好优化（DPO），并在 500 条有害和 200 条无害豪萨语 this http URL 上评估，发现未经调优的基座模型仅凭拒答率指标看似高度安全，但这反映的是豪萨语生成能力有限而非真正的对齐：其拒答几乎一律质量低下。SFT 提升了拒答的流畅度和精确度，并从规模更大、噪声更多的银标数据中显著受益，而 DPO 提高了拒答精确度，却以陡峭且基本不随数据变化的语言质量代价为代价。没有任何单一配置能同时最大化安全性、有用性和流畅度。我们的结果表明，当前对齐技术教模型何时拒答比教其如何用代表性不足的语言流畅拒答更容易，而仅凭拒答率指标在低资源环境中是不可靠的安全信号。
| 学科： | 计算与语言（cs.CL）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.37245 [cs.CL] |
| （或 arXiv:2610.37245v1 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.37245 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Valdini Douglace Lemofouet [查看邮箱]
[v1]
2026 年 10 月 27 日星期二 13:46:44 UTC（2,830 KB）
来源：arXiv cs.CL · arxiv.org