提出 INDICSAFE 基准,首次系统评估 10 个主流大语言模型在 12 种印度语中的安全性,使用 6000 条由母语者翻译的文化适配提示,揭示显著的安全漂移现象(跨语言一致性仅 12.8%,SAFE 率方差超 17%),并引入多语言一致性、类别偏差分数和提示级熵等新指标量化安全泛化缺陷。
机构:Oracle
来源:arXiv 2603.17915 | AI4Papers 论文推荐平台