IndicSafeEval：多语言说服性破解攻击下大型语言模型的安全性与鲁棒性

印度研究团队推出名为 IndicSafeEval 的安全评估框架，旨在解决现有以英语为中心的大语言模型安全评估局限性。该框架针对印地语、孟加拉语、马拉地语和旁遮普语四种印度语言开展测试，生成了涵盖十类关键内容与安全策略的 7,200 个对抗提示。研究团队利用该框架对开源大语言模型进行了黑盒测试，发现模型在不同语言和提示风格下的安全表现存在显著差异，且不同风险类别的脆弱程度不一。结果表明，亟需建立多语言及说服感知的基准框架，以更准确评估真实世界中的大语言模型安全性。