多语言安全提示

非英语不安全响应降42%

解决大模型在非英语查询上安全对齐不足的问题，提升跨语言安全泛化能力。

Wenxuan, Wang · Tu, Zhaopeng · 75856061 · Youliang, Yuan · Jen-Tse, Huang · Jiao, Wenxiang · Lyu, Michael Rung Tsong

2024

参数信息

非英语不安全响应降幅

42 %

技术优势

不安全响应降42%

通过增强安全对齐的跨语言泛化，针对非英语查询，只需在提示中加入指令即可实现。

无需重新训练

通过提示即可提升模型多语言安全性，无需微调或修改模型参数。

应用场景

• 多语言LLM安全：在非英语场景下直接提升模型安全性，无需重新训练。
• 跨语言对齐：通过提示实现安全对齐跨语言迁移，覆盖低资源语言。
• 安全提示工程：提供现成提示模板，可集成到现有API中。