拒绝方向跨语言迁移被扩展至三种低资源语言检验

Anastasiia Ivanova 等人将 PolyRefuse 扩展至白俄罗斯语、巴什基尔语和塔吉克语三种低资源语言，并在 Qwen2.5-14B-Instruct 上复现 Wang et al. (2025) 的流程，检验拒绝方向在低资源语言间的迁移是否普遍适用。 研究结论是这种普遍性呈分级而非二元：来自安全对齐和部分对齐语言的拒绝方向可广泛迁移，而来自严重错位语言的方向在排除天花板效应后无法可靠调控任何目标语言的拒绝行为。

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。