carminho/wildguardmix-ptpt

wildguardmix-ptpt数据集是allenai/wildguardmix基准的葡萄牙语（欧洲葡萄牙语，pt-PT）翻译版本，专注于安全、红队和翻译任务。它使用Gemma 4 31B Instruct模型进行翻译，并保持了原始数据集的结构，包括所有标签字段，以确保数据完整性和可比性。

The wildguardmix-ptpt dataset is a European Portuguese (pt-PT) translated variant of the allenai/wildguardmix benchmark, focusing on safety, red teaming, and translation tasks. It was translated using the Gemma 4 31B Instruct model, while retaining the original dataset's structure including all label fields to ensure data integrity and comparability.

搜集汇总

数据集介绍

构建方式

该数据集源自国际知名的安全对齐基准数据集allenai/wildguardmix，旨在为葡萄牙语（欧洲葡萄牙语）安全对齐研究提供高质量的多语言资源。翻译过程采用先进的Gemma 4 31B Instruct大语言模型，将原始英文内容精准转换为葡萄牙语，同时完整保留原始数据集的标签体系与字段结构，确保跨语言迁移时语义一致性与安全分类的可靠性。

特点

数据集专注于安全性与红队测试领域，涵盖葡萄牙语中与语言模型安全对齐相关的多样化交互场景。其核心特点在于保持原始基准数据集的结构完整性与标签精度，所有分类字段均被原样保留，使得研究者能够无缝复现原始基准的实验设计，同时评估模型在葡萄牙语环境下的安全表现。

使用方法

该数据集可直接用于评估葡萄牙语大语言模型的安全对齐能力，支持分类任务与红队测试场景。使用者可参照原始allenai/wildguardmix的评测流程，通过加载标签字段进行模型安全性能的跨语言对比分析。适合需要评估模型在葡萄牙语场景下安全性的研究者，以及致力于多语言安全对齐数据集构建的开发者。

背景与挑战

背景概述

大语言模型的安全对齐研究是当前人工智能领域的核心议题之一，尤其是在多语言场景下，模型的安全性评估面临独特挑战。wildguardmix-ptpt数据集由研究者于2024年基于allenai/wildguardmix基准进行葡语（欧洲葡萄牙语）翻译创建，旨在弥补安全评估数据在低资源语言中的空白。该数据集采用Gemma 4 31B Instruct模型进行高质量翻译，确保与原始基准的结构和标签体系完全一致。作为首个专注于欧洲葡萄牙语的安全红队评估数据集，wildguardmix-ptpt为多语言大模型的安全对齐研究提供了关键性验证资源，推动了安全基准测试从英语主导向多语言覆盖的范式转变。

当前挑战

该数据集构建面临双重挑战。在领域问题层面，大语言模型在葡语场景下的有害内容生成风险尚未得到系统性评测，现有安全基准普遍存在英语中心主义缺陷；模型在面对与英语高度同源却存在词汇与语法差异的欧洲葡萄牙语时，其安全防护机制的迁移有效性亟待验证。在构建过程中，自动翻译的保真度控制是核心难题——既要确保翻译准确传达原始攻击prompt的恶意意图，又要避免因文化语境差异导致语义偏移；同时需警惕翻译引入的潜在毒性噪声，以及Gemma模型作为翻译工具可能存在的自身偏见渗透问题。此外，数据集需严格保持原始标签体系的完整性，这对跨语言标注一致性提出了极高要求。

常用场景

经典使用场景

在人工智能安全与对齐领域，WildGuardMix-PTPT作为WildGuardMix的葡萄牙语（欧洲葡语）译本，专门用于评估和训练大型语言模型在多语言环境下的安全性行为。该数据集保留了原始基准测试的全部标签结构，为研究者提供了一个标准化的葡萄牙语安全评测平台，经典用途涵盖红队测试（red-teaming）、有害内容检测以及模型拒绝不当请求能力的跨语言验证。通过将对抗性提示与安全标签系统结合，它能够精准衡量模型在处理葡萄牙语攻击性指令、隐私泄露或不当内容时的防御表现。

实际应用

在实际应用中，该数据集可直接服务于葡萄牙语国家（如巴西、葡萄牙）部署的对话系统、内容审核平台及智能助手的安全合规测试。企业可利用它检验自家模型是否能在葡语场景下正确拒绝暴力、仇恨言论或欺诈诱导等不当请求，避免因语言迁移导致的安全漏洞。此外，该数据集支持多语言安全模型的微调，帮助提升AI在非英语环境下的通用防御能力，尤其适用于跨国社交媒体平台、客服机器人和教育类应用的本地化安全部署。

衍生相关工作

该数据集衍生了一系列关于多语言安全对齐的经典工作。原始WildGuardMix催生了WildGuard安全分类器等专用工具，而PTPT译本则拓展出对翻译质量影响安全评测效果的实证研究——如Gemma 4模型翻译的准确性评估。后续工作包括：基于该数据集训练的葡萄牙语安全检测模型、跨语言红队攻击成功率对比分析，以及针对低资源语言（如欧洲葡语）的安全标签迁移学习方法。这些研究共同推动了安全数据集构建从单语向多语言的范式转型。