研究：邪恶向量跨语言迁移存在方向不对称

一项在四种开源指令微调 LLM 上的研究发现，evil persona vector（邪恶人格向量）的跨语言迁移存在方向不对称性。Juann Kim、Minku Kang 等人的论文称，从英语、西班牙语等高资源语言提取的向量能有效迁移到斯瓦希里语、泰卢固语等低资源语言输入上，且基本保持 MMLU 所测的通用知识。 反向则不通：论文称从低资源语言中难以可靠提取这类向量，即便提取出来，在自身语言内也基本无法有效引导行为。 这一不对称意味着，针对高资源语言开发的行为引导与安全检测手段，未必能简单移植到低资源语言，且低资源语言一侧的风险更难用同样的方法评估。

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。