Um estudo com 10 modelos de linguagem amplamente usados concluiu que as recusas de segurança em inglês não se mantinham de forma confiável quando pedidos prejudiciais eram traduzidos para 78 idiomas com poucos recursos digitais. Considerando apenas os casos em que o modelo havia respondido com segurança em inglês, os pesquisadores relatam taxas médias de contorno das recusas pela tradução entre 21,9% e 44,4%.
Essa condição é importante: ela ajuda a distinguir os casos em que a tradução parece contornar uma recusa daqueles em que o modelo já teria respondido de forma insegura em inglês. O artigo foi publicado no arXiv em 21 de outubro de 2026 e aceito em um workshop do NeurIPS 2026 sobre segurança de modelos de linguagem.
O que o estudo descobriu
Os autores testaram o inglês e os outros 78 idiomas e observaram que o risco de contorno se concentrava em algumas famílias linguísticas. Segundo eles, o padrão geral se repetiu entre os modelos, mas alertam que a classificação foi influenciada pela degeneração da tradução — um problema em que o texto traduzido pode ficar distorcido ou pouco natural. Mesmo com os controles aplicados, as diferenças entre os modelos continuaram significativas.
O estudo também adverte que as taxas de cada modelo não devem ser tratadas como uma classificação confiável. Nove dos 10 modelos mudaram de posição em três formas de estimar a mesma medida, embora as respostas subjacentes dos modelos não tenham mudado.
O que ainda não está claro
O resumo não informa quais modelos ou idiomas foram testados, nem quantos prompts foram usados. Portanto, não mostra como os resultados se aplicam a um chatbot específico ou ao uso cotidiano. O artigo mede uma ameaça específica relacionada a prompts traduzidos, não todos os tipos de falha de segurança.
Por que importa
Para quem usa chatbots em idiomas com poucos recursos digitais, uma recusa de segurança em inglês pode não indicar como o mesmo pedido será tratado após a tradução. O estudo identifica um risco nesse cenário específico de teste, mas o resumo não informa quais modelos ou idiomas foram avaliados; assim, os usuários não conseguem saber se o chatbot que usam é afetado.
