我如何调整您的模式：使用模板扩大多语言安全培训

Arxiv：2610.40516v1公告类型：交叉摘要：大型语言模型的安全对齐主要集中在英语上，多语言表示有限，特别是损害低资源的语言性能。相关的开放训练数据集往往大小有限，或者不遵循区域本地化的有害主题，以扩大文化以外的一致性范围。我们提出了一种可扩展的基于模板的扩充管道，以产生大规模的多语言拒绝和良性语料库，从有害提示中提取安全模板，进行翻译，然后用具有文化真实性的实体填充空位，无论是有害的还是良性的。因此，我们发布了MSafeTemp，这是一个经过验证的语料库，涵盖60种语言，对多语言安全匹配和评估有用。使用数据集，我们表明只使用英语的评估误判了多语言安全：对于几个模型，使用英语失败的攻击一旦翻译就会成功，而文化本地化的变体暴露了单独翻译错过的更多失败。我们还确认，通过模板扩充安全培训数据可实现更高的多样性和一致性质量，从而改善英语以外的安全表现。MSafeTemp和各自的管道旨在为代表较少的文化促进更安全和更负责任的模式的研究和开发。