# 研究发现：78种语言的翻译提示存在安全漏洞

> 研究人员测试了10种语言模型，发现用英语提出会被拒绝的请求，翻译成低资源语言后仍可能得到不安全回答。

Oossa · 2026-10-22 · https://oossa.com/zh/study-finds-safety-gaps-in-translated-prompts-across-78-languages

一项针对10种广泛使用的语言模型的研究发现，将有害请求翻译成78种低资源语言后，模型用英语拒绝请求的安全表现并不能稳定维持。研究人员称，在仅统计模型用英语作出安全回答的情形时，各模型平均遭遇翻译绕过的比例为21.9%至44.4%。

这一统计条件很重要：它有助于区分两种情况——翻译似乎绕过了模型的拒绝，还是模型原本就会用英语给出不安全回答。论文于2026年10月21日发表于arXiv，并被NeurIPS 2026语言模型安全研讨会接收。

## 研究发现了什么

作者测试了英语和另外78种语言，发现绕过风险集中在某些语系。他们表示，各模型总体上呈现相似模式，但也提醒，语言之间的排序受到翻译退化这一因素干扰：翻译文本可能因此变得失真或不自然。在他们采用控制措施后，不同模型之间的差异仍然显著。

研究还提醒，不应把各模型的比率当作可靠的排名。采用三种方法估算同一指标时，10种模型中有9种的名次发生变化，尽管模型给出的实际回答并未改变。

## 尚不明确的问题

摘要没有列出受测模型、语言或提示数量，因此无法说明这些结果适用于哪些具体聊天机器人或日常使用场景。论文衡量的是一种特定的翻译提示威胁，并未涵盖所有类型的安全失效。

## 事实

- 研究人员在79种语言中评估了10种广泛部署的语言模型：英语和78种低资源语言。
- 在模型用英语作出安全回答的前提下，报告的平均翻译绕过率为21.9%至44.4%。
- 采用三种条件设定时，10种模型中有9种的排名发生变化，但模型的实际回答没有改变。
- 论文被NeurIPS 2026研讨会“语言模型安全基础”接收。

## 为什么重要

对于使用低资源语言聊天机器人的人来说，模型用英语拒绝某个请求，并不能预示同一请求翻译后会如何处理。这项研究指出了特定测试设置下的一种风险，但摘要没有列出受测模型或语言，因此用户无法判断自己的聊天机器人是否受到影响。

## 来源与参考

1. [Global Security Blind Spots: Translation as a Safety Bypass in Low-Resource Languages](https://arxiv.org/abs/2610.27304) – arXiv, 2026-10-21

最后更新: 2026-10-22