Este artículo presenta SEALGuard, una protección multilingüe que busca mejorar la seguridad de los modelos lingüísticos a gran escala (LLM) en entornos multilingües. LlamaGuard, la protección existente, presenta una alta precisión de detección para entradas inseguras escritas en inglés, pero presenta vulnerabilidades a las entradas multilingües. Para abordar esto, construimos SEALSBench, un conjunto de datos multilingües a gran escala con alineación segura que consta de más de 260 000 indicaciones que abarcan 10 idiomas, y desarrollamos SEALGuard, que adapta un modelo lingüístico multilingüe general a una protección multilingüe mediante adaptación de bajo nivel (LoRA). Los resultados experimentales muestran que SEALGuard supera a LlamaGuard en la detección de indicaciones inseguras multilingües e indicaciones de jailbreak, y logra el mejor rendimiento en DSR, precisión y puntuación F1. Además, analizamos el impacto de la estrategia de adaptación y el tamaño del modelo en el rendimiento de SEALGuard mediante estudios de ablación. Finalmente, publicamos modelos y puntos de referencia preentrenados para respaldar futuras investigaciones.
