Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
arxiv.orgohne Datum · Q000291

How I Aligned Your Model: Scaling Up Multilingual Safety Training with Templates

arxiv.org · Originalbericht öffnen ↗

Zusammenfassung

Für diesen Bericht lag nur ein Auszug oder keine vollständige Fassung vor. Die Zusammenfassung sagt das selbst.

Kurz

Der Abstract stellt MSafeTemp vor, ein laut Autoren validiertes Sicherheitskorpus für 60 Sprachen, das mit übersetzten Vorlagen und kulturell passenden Beispielen erstellt wird. Die Autoren berichten, dass englische Tests mehrsprachige Sicherheitslücken übersehen können und Vorlagen-basiertes Training die Sicherheit außerhalb des Englischen verbessern soll; der vorliegende Auszug enthält keine konkreten Messwerte oder Versuchsdetails.

Mittel

Der bereitgestellte Text ist ein Auszug von einer arXiv-Seite mit Abstract und Metadaten, nicht der vollständige Bericht. Die Autoren argumentieren, dass Sicherheitsausrichtung großer Sprachmodelle zu stark auf Englisch ausgerichtet sei und weniger verbreitete Sprachen sowie kulturell spezifische schädliche Themen unzureichend erfasse.

Sie stellen MSafeTemp vor: ein laut Abstract validiertes Korpus für 60 Sprachen, das mit einer Vorlagen-Pipeline erstellt wird. Dabei werden sichere Vorlagen aus schädlichen Prompts gewonnen, übersetzt und mit kulturell passenden schädlichen oder harmlosen Beispielen ergänzt. Das Korpus soll Training und Evaluation mehrsprachiger Sicherheit unterstützen.

Die Autoren berichten, dass englische Tests die Sicherheit mehrsprachiger Modelle falsch einschätzen können: Übersetzte Angriffe könnten erfolgreich sein, und kulturell angepasste Varianten könnten zusätzliche Schwächen aufdecken. Außerdem soll die Vorlagen-Erweiterung die Vielfalt und Qualität des Trainings verbessern. Der Auszug nennt jedoch keine konkreten Modelle, Kennzahlen oder Einzelheiten zum Versuchsaufbau; die Größenordnung der Effekte bleibt deshalb offen.

Ausführlich lesen

Der bereitgestellte Quelltext enthält die arXiv-Seite mit Titel, Metadaten und Abstract zu „How I Aligned Your Model: Scaling Up Multilingual Safety Training with Templates“ von Max Neuwinger, Hanna Yukhymenko und Imanol Schlag. Es handelt sich um einen Auszug, nicht um den vollständigen Bericht; konkrete Details zur Durchführung und zu den Ergebnissen sind daher nur so weit verfügbar, wie sie im Abstract genannt werden.

Die Autoren beschreiben ein Ungleichgewicht bei der Sicherheitsausrichtung großer Sprachmodelle: Das Training und die Bewertung konzentrierten sich ihrer Darstellung nach stark auf Englisch, wodurch insbesondere Leistungen in weniger verbreiteten Sprachen unzureichend berücksichtigt würden. Bestehende offene Trainingsdatensätze seien zudem oft klein oder würden schädliche Themen nicht in regional und kulturell angepassten Formen abbilden.

Als Ansatz schlagen die Autoren eine skalierbare Erweiterung mit Vorlagen vor. Dafür sollen aus schädlichen Prompts sichere Vorlagen abgeleitet, in andere Sprachen übersetzt und anschließend mit kulturell passenden Beispielen gefüllt werden. Die Beispiele umfassen laut Abstract sowohl schädliche als auch harmlose Inhalte. Das daraus entstandene Korpus MSafeTemp soll 60 Sprachen abdecken und für Sicherheitstraining sowie Evaluation nutzbar sein. Die Autoren geben an, das Korpus validiert zu haben.

Für ihre Evaluation berichten sie, dass ausschließlich englischsprachige Tests die mehrsprachige Sicherheit mancher Modelle falsch einschätzen können: Angriffe, die auf Englisch scheitern, könnten nach Übersetzung erfolgreich sein. Zusätzlich sollen kulturell angepasste Varianten Schwächen sichtbar machen, die sich durch bloße Übersetzung nicht zeigen. Ferner berichten die Autoren, dass Vorlagen-basierte Erweiterung der Trainingsdaten Vielfalt und Qualität der Ausrichtung erhöhen und die Sicherheitsleistung auch außerhalb des Englischen verbessern könne.

Der vorliegende Auszug enthält keine Angaben zu konkreten Modellen, Messwerten, Versuchsaufbau, Validierungskriterien oder zur Größe des Korpus. Daher lassen sich Reichweite und Stärke der berichteten Verbesserungen anhand dieses Textes nicht näher beurteilen.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19 ungeprüft

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 7 von 7
Angezeigte Modelle
Fähigkeiten messen
  1. SF-F1 Wie misst man gefährliche Fähigkeiten eines Modells, vor allem im Cyberbereich, mit gemeinsam anerkannten, wiederholbaren Tests, die keine Sprache, Kultur oder Seite bevorzugen?
    • clef 20 %Hintergrund, keine Belege
    • Luna 40 %einzelne zitierbare Belege
    • JEV 46 %einzelne zitierbare Belege
    • amos 39 %gleiches Oberthema, hilft nicht
    • SubQ 36 %gleiches Oberthema, hilft nicht
    • drex 38 %gleiches Oberthema, hilft nicht
    • d3-ultra 38 %Hintergrund, keine Belege

    • SF-F1-T05 Welche Cyber-Prüfungen und welche Testbausteine (Testfälle, Bewertungswerkzeuge, Datensätze) würden jedes Labor und jedes Ministerium anstelle einer bloßen Behauptung als gültig anerkennen, wenn andere sie an ihrem Modell durchführen? Und welche genormte Testsammlung würden Labore verschiedener Staaten gemeinsam an eingefrorenen Modellversionen laufen lassen, verwaltet von einer dritten Stelle, der alle trauen? Luna: Stufe 3 · 27 % · Hintergrund, keine Belege
    • SF-F1-T07 Wie sollten führende KI-Modelle über Sprachen und Kulturen hinweg geprüft und verbessert werden, damit ihr Sicherheitsverhalten nicht vom Englischen oder den Normen eines Landes abhängt? Luna: Stufe 6 · 48 % · beantwortet teilweise oder widerspricht
Unabhängig prüfen
  1. SF-P3 Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
    • clef 100 %kein Bezug
    • Luna 32 %Hintergrund, keine Belege
    • JEV 39 %einzelne zitierbare Belege
    • amos 29 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 44 %gleiches Oberthema, hilft nicht
    • d3-ultra 54 %gleiches Oberthema, hilft nicht

    • SF-P3-T02 Welche unabhängig überprüfbaren Zusagen könnten Regierungen von ihren KI-Laboren zur Veröffentlichung verlangen, und wie sieht unabhängige Prüfung aus, wenn der Beleg, dass ein Modell seinen vorgesehenen Zielen und Werten folgt, nur vom trainierenden Labor kommt und Prüfer weder die Modellgewichte (die gelernten Parameter) noch die Trainingsdaten sehen? Luna: Stufe 3 · 29 % · Hintergrund, keine Belege
    • SF-P3-T07 Wird jede öffentliche Aussage, ein führendes KI-Modell sei „besser ausgerichtet“ als ein anderes (folge also seinen vorgesehenen Zielen und Werten besser), reproduzierbare Kriterien, externe Prüfungen und widersprechende Ergebnisse enthalten? Luna: Stufe 3 · 33 % · Hintergrund, keine Belege
Tempo und Grenzen
Vertrauen in Modelle
  1. SF-V1 Was zählt als Beleg für die Werte eines Modells, wenn sein sichtbares Denken und seine Selbstauskünfte allein nicht genügen?
    • clef 100 %kein Bezug
    • Luna 54 %Hintergrund, keine Belege
    • JEV 29 %einzelne zitierbare Belege
    • amos 25 %Hintergrund, keine Belege
    • SubQ 37 %gleiches Oberthema, hilft nicht
    • drex 26 %gleiches Oberthema, hilft nicht
    • d3-ultra 49 %gleiches Oberthema, hilft nicht

    • SF-V1-T02 Welche Belege würden Vertrauen in ein KI-System rechtfertigen, über seine flüssigen Erklärungen hinaus? Luna: Stufe 3 · 42 % · Hintergrund, keine Belege
    • SF-V1-T03 Was ist das Kleinste, das ein Modell öffentlich vorlegen kann (ein Test, ein Protokoll, eine Spur), das als Beleg für Ausrichtung an den vorgesehenen Zielen und Werten zählt und nicht nur für Leistung? Luna: Stufe 3 · 32 % · Hintergrund, keine Belege
  2. SF-V3 Halten die Werte eines Modells, wenn niemand zusieht oder die Lage neu ist?
    • clef 100 %kein Bezug
    • Luna 49 %einzelne zitierbare Belege
    • JEV 34 %einzelne zitierbare Belege
    • amos 26 %Hintergrund, keine Belege
    • SubQ 34 %gleiches Oberthema, hilft nicht
    • drex 26 %Hintergrund, keine Belege
    • d3-ultra 47 %gleiches Oberthema, hilft nicht

    • SF-V3-T01 Worauf verlässt sich ein Mensch, wenn er glaubt, niemand sehe zu, und lassen sich solche Werte einem System beibringen, das sie nur aus Text gelernt hat? Wie testen Labore heute, ob die Werte eines Modells halten, wenn es zu Recht oder zu Unrecht glaubt, niemand sehe zu? Und wenn niemand erkennen kann, ob jemand zusieht: Was hält Werte dann fest, Charakter, Training oder die Geschichte, die man sich selbst erzählt? Luna: Stufe 3 · 30 % · Hintergrund, keine Belege
  3. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 100 %kein Bezug
    • Luna 43 %einzelne zitierbare Belege
    • JEV 46 %einzelne zitierbare Belege
    • amos 28 %Hintergrund, keine Belege
    • SubQ 44 %gleiches Oberthema, hilft nicht
    • drex 38 %gleiches Oberthema, hilft nicht
    • d3-ultra 59 %gleiches Oberthema, hilft nicht

Modelle teilen und schützen
  1. SF-H2 Was darf offen veröffentlicht werden, und wer ist verantwortlich, wenn ein offenes Modell anderswo Schaden anrichtet?
    • clef 100 %kein Bezug
    • Luna 30 %Hintergrund, keine Belege
    • JEV 48 %einzelne zitierbare Belege
    • amos 35 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 50 %gleiches Oberthema, hilft nicht
    • d3-ultra 51 %gleiches Oberthema, hilft nicht
  2. SF-H3 Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
    • clef 100 %kein Bezug
    • Luna 32 %Hintergrund, keine Belege
    • JEV 23 %einzelne zitierbare Belege
    • amos 26 %Hintergrund, keine Belege
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug

Offenlegung und Rechenschaft
Beteiligung und Gemeinwohl
  1. SF-E1 Welche echte Stimme bekommen weitere Staaten, kleine Labore, Hochschulen und Zivilgesellschaft bei den Regeln für KI?
    • clef 100 %kein Bezug
    • Luna 37 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 47 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug

    • SF-E1-T05 Welche Mechanismen könnten geschaffen werden, damit Standards und Praktiken der KI-Sicherheit in Ländern des Globalen Südens berücksichtigt und nicht allein von wenigen Staaten bestimmt werden? Luna: Stufe 3 · 31 % · Hintergrund, keine Belege
  2. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 100 %kein Bezug
    • Luna 38 %Hintergrund, keine Belege
    • JEV 27 %einzelne zitierbare Belege
    • amos 50 %gleiches Oberthema, hilft nicht
    • SubQ 51 %gleiches Oberthema, hilft nicht
    • drex 49 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
  3. SF-E5 Welche Mitsprache haben die Menschen, die mit KI leben, bei Tempo und Grenzen, und welche Entscheidungen müssen bei ihnen bleiben?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 31 %Hintergrund, keine Belege
    • amos 45 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 42 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →