LLMの安全性：時間的および言語的脆弱性

この論文は、LLMの安全性が言語や時間枠を超えて一般化するという仮定に異議を唱えているため重要です。現在のLLM、特にグローバルサウスのユーザーにとっての重要な脆弱性を浮き彫りにしています。時間的フレーミングと言語が安全性のパフォーマンスを劇的に変える可能性があることを示しています。西アフリカの脅威シナリオに焦点を当て、「Safety Pockets」の特定は、より堅牢でコンテキストを意識した安全メカニズムの必要性を強調しています。

• •LLMの安全性は、言語間で一貫して転送可能ではありません（英語対ハウサ語）。
• •時間的フレーミング（過去対未来）は、LLMの安全性のパフォーマンスに大きな影響を与えます。
• •現在のLLMは表面的なヒューリスティックに依存しており、「Safety Pockets」を作成しています。
• •堅牢な安全性のために、Invariant Alignmentがパラダイムシフトとして提案されています。