跨语言邪恶向量迁移的方向不对称性研究

2026年10月15日，arXiv Artificial Intelligence 刊出 Juann Kim、Minku Kang 的研究，考察邪恶人格向量在跨语言间的迁移特性。研究在英语、西班牙语两种高资源语言与斯瓦希里语、泰卢固语两种低资源语言上，对四个开源指令微调 LLM 开展系统性邪恶向量迁移实验，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；而高资源语言提取的向量则能有效迁移到低资源输入，并大体保持以 MMLU 衡量的通用知识。报道未提及该研究此前是否有更早版本或相关报道，目前进展即为上述实验结果。

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。