Attributional Safety Failures in Large Language Models under Code-Mixed Perturbations

💡 原文英文,约100词,阅读约需1分钟。
📝

内容提要

本研究探讨了大语言模型在处理代码混合输入时的不安全输出问题,揭示了导致有害行为的机制,并区分了普遍与文化特定的不安全查询,为理解这一现象提供了新见解。

🏷️

标签

➡️

继续阅读