已验证75% 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

3

来源数

75%

置信度

长期有效

时效性

2026/8/6

首次发现

来源

AI防护栏为何形同虚设：脚本小子也能轻松绕过

相关事实

待验证安全对齐训练的数据在英语上最为充分，而在阿拉伯语、乌尔都语等语言上可能存在明显覆盖缺口，构成多语言越狱漏洞76% 相似待验证绝大多数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% 相似待验证现有多语言模型如mBERT、XLM-R在低资源语言上的表现远逊于英语73% 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% 相似待验证支持多语种翻译和离线查词，但小语种的离线识别准确率和词库丰富度明显弱于英语，重度小语种学习者不宜作为主力工具73% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/695656

API

curl https://kongchang.com/api/v1/knowledge/claims/695656

MCP

get_claim(id=695656)