每种语言都重要：多语言 LLMs 的学习和遗忘
原文中文，约400字，阅读约需1分钟。发表于：。研究探究了有害信息在多语种大型语言模型中的传播，并评估了各种反学习方法的有效性。我们证明了无论以哪种语言出现，一旦通过训练数据引入虚假信息到这些模型中，它可以在不同语言之间传播，从而损害生成内容的完整性和可靠性。我们的发现揭示了标准反学习技术通常只关注英文数据，无法有效减轻多语种环境中有害内容的传播，并可能无意中在各种语言之间加强有害内容。我们展示了只有同时解决有害数据的英文和原始语言中的有...
该研究探讨了多语种大型语言模型中有害信息的传播和反学习方法的有效性。研究发现，虚假信息会在不同语言之间传播，损害生成内容的完整性和可靠性。标准反学习技术只关注英文数据，无法有效减轻多语种环境中有害内容的传播。全面反学习策略对于增强多语种大型语言模型的安全性和可靠性至关重要。
