Yaygın olarak kullanılan 10 dil modeli üzerinde yapılan bir araştırma, zararlı istekler kaynakları kısıtlı 78 dile çevrildiğinde İngilizcedeki güvenlik amaçlı retlerin her zaman geçerli olmadığını ortaya koydu. Araştırmacıların bildirdiğine göre, yalnızca modelin İngilizce güvenli yanıt verdiği durumlar hesaba katıldığında, modellerde çeviriyle güvenlik önlemini aşma oranı ortalama %21,9 ile %44,4 arasında değişti.
Bu koşul önemli: Çevirinin bir reddi aşmış gibi göründüğü durumlarla modelin İngilizce olarak da zaten güvensiz yanıt vereceği durumları birbirinden ayırmaya yardımcı oluyor. Makale 21 Ekim 2026'da arXiv'de yayımlandı ve NeurIPS 2026 dil modeli güvenliği çalıştayında kabul edildi.
Araştırma ne buldu?
Yazarlar, İngilizcenin yanı sıra diğer 78 dili de test etti ve güvenlik önlemini aşma riskinin bazı dil ailelerinde yoğunlaştığını buldu. Bu genel örüntünün modeller arasında ortak olduğunu belirtiyorlar; ancak sıralamanın, çeviri kaynaklı bozulma sorunuyla karışmış olabileceği uyarısında da bulunuyorlar. Bu sorun, çevrilmiş metnin anlamının bozulması veya doğal olmayan bir hâl almasıyla ortaya çıkabiliyor. Uygulanan kontroller sonrasında modeller arasındaki farklar yine de anlamlıydı.
Araştırma, model bazındaki oranların güvenilir bir sıralama tablosu gibi değerlendirilmemesi gerektiği konusunda da uyarıyor. Aynı ölçüm miktarını tahmin etmenin üç farklı yolunda, model yanıtları değişmediği hâlde 10 modelden dokuzunun sıralaması değişti.
Belirsiz kalan noktalar
Özette test edilen modellerin ve dillerin adları ile istemlerin sayısı belirtilmiyor. Bu nedenle sonuçların belirli bir sohbet robotu veya gündelik kullanım için ne ifade ettiği anlaşılmıyor. Makale, çevrilmiş istemlere özgü bir tehdidi ölçüyor; güvenlik açıklarının her türünü değil.
Neden önemli
Kaynakları daha kısıtlı dillerde sohbet robotu kullananlar için İngilizce bir güvenlik reddi, aynı isteğin çeviri sonrasında nasıl ele alınacağını göstermeyebilir. Araştırma, bu özel test düzeninde bir risk ortaya koyuyor; ancak özette test edilen modellerin veya dillerin adları verilmediğinden kullanıcılar kendi sohbet robotlarının bu durumdan etkilenip etkilenmediğini anlayamıyor.
