待验证50% 置信事实精确时间
许多模型的安全对齐在非英语语言中表现显著下降，低资源语言尤其容易被利用，因为RLHF对齐训练的人类标注数据高度集中在英语上
1
来源数
50%
置信度
长期有效
时效性
2026/8/6
首次发现
来源
相关事实
待验证绝大多数RLHF标注工作以英语为主，导致不同语言间对齐质量存在结构性失衡76% 相似待验证方言绘本资源稀缺且规范度低，选购时优先看是否附标准发音音频；纯方言启蒙不建议作为唯一语言输入，会影响后续普通话入学衔接73% 相似待验证主流大语言模型训练语料中，英文数据占据压倒性比例，以Common Crawl等公开数据集为例，英文内容通常占总量的40%-60%，而越南语、中文等语言的占比往往不足5%72% 相似待验证传统n-gram模型和单语训练的神经语言模型在遇到跨语言词序列时会给出极低的概率分数，导致解码器倾向于将外语词强行映射为发音相近的本语言词71% 相似待验证多语言预训练模型（如mBERT、XLM-R）在高资源语言（英语、法语）上的表示质量通常优于低资源语言（如拉脱维亚语、马耳他语）71% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/695656API
curl https://kongchang.com/api/v1/knowledge/claims/695656MCP
get_claim(id=695656)