XL-SafetyBench：10国语言对的LLM跨文化安全基准

Dasol Choi等人在arXiv发布XL-SafetyBench，一个覆盖10个国家与语言对、共5,500条测试用例的LLM安全与文化敏感性基准，包含国别化越狱提示的越狱基准和把当地敏感性嵌入日常请求的文化基准两部分。测试用例经多阶段流程构建，结合LLM辅助发现、自动验证和每国两名独立母语标注者。 研究用ASR、NSR和CSR三个指标区分安全拒答、非参与和敏感性识别，评估了10个前沿模型与27个本地模型。结果显示，越狱鲁棒性不总与文化意识同步，本地模型的ASR与NSR相关系数为-0.81。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。