随着大型语言模型（LLM）在全球多语种用户中的广泛应用，安全训练主要集中于主流语言，未能同步提升多语种能力，导致越狱攻击的可利用漏洞。当前的越狱防御主要针对主流语言开发和评估，受限于多语种对齐监督稀缺和语言差异引起的表示分散问题。为此，本文提出MLJailDe框架，利用多语种回译数据增强构建涵盖11种语言的数据集，并通过相对距离约束减少跨语种表示分散，使意图相似的越狱提示在多语种中形成一致聚类，同时采用不平衡感知分类目标缓解类别不平衡，提升多语种决策边界的可靠性。实验显示MLJailDe在多语种环境中性能超越最新方法，F1分数达98.5%，对未见语种平均F1为97.1%，展现出强大的效果和跨语种泛化能力。
这条 研究论文 信号说明，来自 arXiv cs.CL 的信息已经不只是单点新闻，而是值得放进产品、研究和行业判断里的趋势线索。
arXiv cs.CL 发布了这条关于 研究论文 的更新：随着大型语言模型（LLM）在全球多语种用户中的广泛应用，安全训练主要集中于主流语言，未能同步提升多语种能力，导致越狱攻击的可利用漏洞。当前的越狱防御主要针对主流语言开发和评估，受限于多语种对齐监督稀缺和语言差异引起的表示分散问题。为此，本文提出MLJailDe框架，利用多语种回译数据增强构建涵盖11种语言的数据集，并通过相对距离约束减少跨语种表示分散，使意图相似的越狱提示在多语种中形成一致聚类，同时采用不平衡感知分类目标缓解类别不平衡，提升多语种决策边界的可靠性。实验显示MLJailDe在多语种环境中性能超越最新方法，F1分数达98.5%，对未见语种平均F1为97.1%，展现出强大的效果和跨语种泛化能力。
该研究针对多语种环境下越狱攻击检测的不足，创新性地提出了语言无关的意图表示学习方法，通过多语种数据增强和跨语种表示约束，有效提升检测模型的多语种鲁棒性和泛化能力，具有重要的实用和研究价值。
研究员、模型团队和技术战略负责人 应该重点关注这条信号，尤其是正在跟踪 research、papers 的团队。
接下来观察这条信号是否出现开发者采用、竞品回应、研究复现、企业部署或政策/平台层面的后续动作。
SemantiClean 是一个模块化框架，用于从电商会话数据中提取结构化语义信号，并通过共享元素库驱动多种推理目标如购买意图、客户细分和产品关联。不同于仅优化准确性的端到端预测器，SemantiClean 优先考虑可审计性、结构治理和零误差可复现性，换取元素级透明度和可辩护的决策轨迹。框架基于 OSPI 数据集，将24个行为元素组织为四层架构，并通过多种机制确保信号质量。该报告还介绍了集成大语言模型的两阶段推理引擎，实现了推理时完整元素元数据的利用，结果可控且部分具有一定输出变异性。
该论文指出，大型语言模型（LLM）的学习机制类似于人类的隐式记忆，而实现通用人工智能（AGI）所需的高级认知功能如长期战略规划、元认知和符号推理，则依赖于海马体的显式记忆，单靠隐式统计学习无法实现。作者结合神经科学发现，提出将显式记忆系统整合进LLM，以推动AGI的发展。
本文介绍了SciConBench，一个包含9110个问题和专家撰写结论的大规模实时基准，用于评估开放领域科学结论综合能力。研究发现，在控制环境下，领先AI模型的事实准确率较低，最佳模型的事实F1仅为0.337。通过引入SciConHarness的‘无泄露’评估框架，证明过去的性能评估存在数据泄露问题，夸大了模型的实际能力。对消费者端AI代理的审计显示，即使有准确答案，它们产生的结论仍不完整甚至自相矛盾，显示可靠综合科学结论依然是重要挑战。