资讯摘要
论文提出 BanglaShield，用于孟加拉语原生文字、拉丁转写及混合语言提示的分级安全分类。作者整合六个来源的 10,245 条提示，按四级分类并生成三种对齐形式，对六个大模型进行基准测试，发现原生文字不安全提示中 47.0% 被误判为安全，转写后升至 63.4%。作者报告的微调编码器在原生文字上宏 F1 为 87.8，转写为 84.4。
要点速读
- 数据集含 10,245 条孟加拉语提示，分 Safe、Offensive、Harmful、Severe 四级，并生成三种共享标签的对齐书写形式。
- 基准测试覆盖六个大模型、36,882 次分类查询和 24,318 条判定回复；原生文字不安全提示 47.0% 被标为安全，转写后为 63.4%，回复级安全准确率下降 10.3 个百分点。
- 作者报告 BanglaShield 微调编码器原生文字宏 F1 87.8、转写 84.4，比最佳大模型高 42.8–46.1 个百分点，参数量约为 Gemma 4 31B 的 1/130；语料、划分、判定和模型已发布。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/20 21:06:31（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。