論文の概要: SinoGlyphBench: A Diagnostic Benchmark for Chinese Glyph-Level Obfuscation in Language-Model Moderation
- arxiv url: http://arxiv.org/abs/2609.05843v1
- Date: Sat, 05 Sep 2026 03:15:49 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-12 12:28:08.531123
- Title: SinoGlyphBench: A Diagnostic Benchmark for Chinese Glyph-Level Obfuscation in Language-Model Moderation
- Title（参考訳）: SinoGlyphBench: 言語モデル修正における中国語グリフレベル難読化の診断ベンチマーク
- Abstract要約: グリフレベルの難読化は、自動化モデレーションを低下させながら、人間に有害な中国コンテンツを読み取ることができる。
SinoGlyphBenchは、ラベルクリティカルなセマンティックアンカーを特定し、マッチしたオリジナルおよびグリフ難読入力を生成する診断ベンチマークである。
- 参考スコア（独自算出の注目度）: 25.91174070621304
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Glyph-level obfuscation can leave harmful Chinese content readable to humans while degrading automated moderation. We introduce SinoGlyphBench, a diagnostic benchmark that identifies label-critical semantic anchors and creates matched original and glyph-obfuscated inputs in text and image modalities. By perturbing anchors, background context, or both, this design distinguishes corruption of moderation-relevant evidence from general surface variation. Across 176,916 paired evaluations of 12 LLMs and MLLMs, obfuscation increases harmful false-negative and false-positive rates by 6.1 and 4.7 percentage points, respectively, and reduces four-way accuracy by 5.0 points. Models retain 75.7% of the decisions that were correct on the matched original inputs. Full-scope perturbations cause the largest degradation, anchor-only perturbations are more damaging than background-only perturbations, and cross-script substitution is particularly difficult in the text modality. Analysis of structured outputs identifies observable mismatches in visible-form reading, intended-message recovery, and final safety judgment. The evaluated models, therefore, remain brittle to Chinese content written with non-canonical glyphs. Resources are available at https://github.com/fengshun124/SinoGlyphBench.
- Abstract（参考訳）: グリフレベルの難読化は、自動化モデレーションを低下させながら、人間に有害な中国コンテンツを読み取ることができる。
SinoGlyphBenchは、ラベルクリティカルなセマンティックアンカーを識別し、テキストと画像のモダリティで一致したオリジナルおよびグリフ難読入力を生成する診断ベンチマークである。
この設計は、アンカー、背景コンテキスト、あるいは両方を摂動することで、モデレーション関連証拠の破壊と一般的な表面の変化を区別する。
12LLMとMLLMの176,916対の評価では、難解化は有害な偽陰性率と偽陽性率をそれぞれ6.1ポイントと4.7ポイント増加させ、四方向精度を5.0ポイント低下させる。
モデルは、一致した元の入力で正しい決定の75.7%を保持している。
フルスコープの摂動は最大の劣化を引き起こし、アンカーのみの摂動は背景のみの摂動よりも損傷が大きい。
構造化された出力の分析は、可視的形式の読み出し、意図されたメッセージ回復、最終的な安全判断における観測可能なミスマッチを識別する。
したがって、評価されたモデルは、非標準グリフで書かれた中国語コンテンツに弱いままである。
リソースはhttps://github.com/fengshun124/SinoGlyphBench.comで入手できる。
関連論文リスト
- Quantifying and Mitigating Korean Jamo-Level Typographical Vulnerabilities in Large Language Models [12.893256474784499]
韓国では、通常の文字レベルの編集モデルでは捉えられない追加の文字摂動レベルが導入されている。
音節ブロックはジャムと呼ばれるサブキャラクタユニットで内部的に構成されているため、キーボードレベルのエラーは音節内で発生しうる。
この脆弱性を定量化するために、KMMLUベンチマークに5つのジャモレベルの摂動型を適用し、4つの言語モデルを評価する。
本稿では,入力を連鎖推論にルーティングするTypo-Aware Chain-of-Thought (TACoT)を提案する。
論文 参考訳（メタデータ） (2026-08-31T04:28:14Z) - Stoicheia: Character-Level Masked Diffusion for Ancient Greek Textual Restoration, Parsing, and Metrical Scansion [0.0]
ストイチェア (Stoicheia) は古代ギリシアの文字レベルのマスク付き拡散エンコーダである。
オープンでリビジョンされた380万ワードのコーパスで事前トレーニングを行い、11個のチェックポイントをリリースする。
イサカ自身のテスト分割では、同じ凍結サンプルと厳密なスコアで、Stoicheiaは両方の従来の最先端システムと比較して文字エラーを減らす。
論文 参考訳（メタデータ） (2026-08-07T14:07:43Z) - Aligned in Form, Not in Meaning: The Comprehension - Containment Decoupling of LLM Safety in Low-Resource Bangla Derogatory Speech [0.0]
6つのプロトコルで5つの大きな言語モデルをネイティブバングラ弁論音声(ガリ)で評価する。
本稿では, 現代安全アライメントが有害な意味ではなく, 高資源表面形状に結びついていることを提案する。
論文 参考訳（メタデータ） (2026-08-03T23:09:19Z) - CORE: Context-Robust Remasking for Diffusion Language Models [51.59514489363897]
我々は、推論時リビジョンのためのトレーニング不要フレームワークであるContext-Robust Remasking (CORE)を提案する。
静的トークンの確率を信頼するのではなく、COREは、ターゲットとなるマスク付きコンテキストの摂動に対する感受性を示すことによって、コンテキスト不安定なトークンを識別する。
LLaDA-8B-Baseでは、COREは推論とコードベンチマークの間で一貫した改善を行い、計算に適合したベースラインを上回り、MBPPを最大9.2%改善した。
論文 参考訳（メタデータ） (2026-02-04T00:12:30Z) - MirrorMark: A Distortion-Free Multi-Bit Watermark for Large Language Models [5.735801967350819]
大規模言語モデル(LLM)のための歪みのない透かしであるMirrorMarkを提案する。
MirrorMarkはトークンの確率分布を変更することなくマルチビットメッセージを埋め込み、設計によるテキスト品質の保存を行う。
実験の結果,MirrorMarkは非透かし生成のテキスト品質とほぼ一致し,検出性は著しく向上した。
論文 参考訳（メタデータ） (2026-01-29T19:10:48Z) - CLUE: Non-parametric Verification from Experience via Hidden-State Clustering [64.50919789875233]
隠れアクティベーションの軌跡内の幾何的に分離可能なシグネチャとして解の正しさが符号化されていることを示す。
ClUE は LLM-as-a-judge ベースラインを一貫して上回り、候補者の再選において近代的な信頼に基づく手法に適合または超えている。
論文 参考訳（メタデータ） (2025-10-02T02:14:33Z) - Languages in Multilingual Speech Foundation Models Align Both Phonetically and Semantically [58.019484208091534]
事前訓練された言語モデル(LM)における言語間アライメントは、テキストベースのLMの効率的な転送を可能にしている。
テキストに基づく言語間アライメントの発見と手法が音声に適用されるかどうかについては、未解決のままである。
論文 参考訳（メタデータ） (2025-05-26T07:21:20Z) - Group-Adaptive Threshold Optimization for Robust AI-Generated Text Detection [58.419940585826744]
本稿では,確率的AIテキスト検出のためのグループ固有しきい値最適化アルゴリズムであるFairOPTを紹介する。
属性(例えば、テキストの長さと書き込みスタイル)に基づいてデータをサブグループに分割し、FairOPTを実装して、各グループに対する決定しきい値の学習を行い、不一致を低減しました。
我々のフレームワークは、後処理によるAI生成コンテンツ検出において、より堅牢な分類の道を開く。
論文 参考訳（メタデータ） (2025-02-06T21:58:48Z) - Extract Free Dense Misalignment from CLIP [7.0247398611254175]
この研究はCLIP4DMと呼ばれる新しいアプローチを提案する。
我々は、個々のテキストトークンの負の勾配を誤適応を示すために、勾配に基づく属性計算法を改良する。
提案手法は,ゼロショットモデル間の最先端性能と微調整モデルとの競合性能を示す。
論文 参考訳（メタデータ） (2024-12-24T12:51:05Z) - Synchronous Faithfulness Monitoring for Trustworthy Retrieval-Augmented Generation [96.78845113346809]
Retrieval-augmented Language Model (RALMs) は、知識集約型タスクにおいて、高い性能と幅広い適用性を示している。
本稿では,非偽文の検出に微細な復号力学を利用する軽量モニタであるSynCheckを提案する。
また、長文検索拡張生成のためのビームサーチによって導かれる忠実度指向の復号アルゴリズムであるFODを導入する。
論文 参考訳（メタデータ） (2024-06-19T16:42:57Z) - Provably Secure Disambiguating Neural Linguistic Steganography [66.30965740387047]
サブワードに基づく言語モデルを使用する際に生じるセグメンテーションの曖昧さ問題は、時にはデコード障害を引き起こす。
そこで我々はSyncPoolという,セグメンテーションのあいまいさ問題に効果的に対処する,セキュアな曖昧さ回避手法を提案する。
SyncPoolは、候補プールのサイズやトークンの分布を変えないため、確実に安全な言語ステガノグラフィー手法に適用できる。
論文 参考訳（メタデータ） (2024-03-26T09:25:57Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。