easy-negatives

标签

#easy-negatives

困难负例揭示简单负例的隐藏面：跨语言有害性表征在困难负例下随资源层级退化

arXiv cs.CL ↗ · 2026-09-24 缓存

论文揭示，在使用困难负例进行评估时，大型语言模型中的跨语言有害性表征随资源层级退化，这挑战了先前关于安全表征在翻译后得以保留的结论。

0 人收藏 0 人点赞

← 返回首页

提交意见反馈