跨语言迁移"邪恶向量"呈方向性不对称：高资源语言可有效引导低资源语言

研究在英语、西班牙语两种高资源语言和斯瓦希里语、泰卢固语两种低资源语言上，对四个开源指令微调 LLM 开展邪恶人格向量迁移实验，发现迁移呈方向性不对称。低资源语言难以可靠提取邪恶向量，且提取出的向量即便在同语言内也基本无法有效引导行为；高资源语言提取的向量则能有效迁移到低资源输入，并大体保持 MMLU 衡量的通用知识。