约鲁巴语与尼日利亚皮钦语LLM红队研究

2026年10月30日，arXiv Artificial Intelligence 刊出一项由 Paula Chikaodinaka Anyanwu 等提交的研究，对低资源非洲语言下的大语言模型安全性进行红队测试，案例为约鲁巴语与尼日利亚皮钦语。研究使用400条显式对抗提示词，覆盖四类危害，评测六款 SOTA LLM，并由母语标注者打分。结果显示，部分模型对英文提示词的拒绝率高达69%，对约鲁巴语却低至0%；研究认为原因在于模型不理解提示词，而非模型更安全。跨语言安全差距方面，GPT-4o Mini 在约鲁巴语上最大（+0.23），Gemini 2.0 Flash 的跨语言表现最一致。目前该研究以论文形式发布，尚无后续跟进报道。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。