SEA-Guard: Salvaguardia Multilingue e Culturalmente Contestualizzata per il Sud-est Asiatico
SEA-Guard: Culturally Grounded Multilingual Safeguard for Southeast Asia
February 2, 2026
Autori: Panuthep Tasawong, Jian Gang Ngui, Alham Fikri Aji, Trevor Cohn, Peerat Limkonchotiwat
cs.AI
Abstract
Le salvaguardie culturalmente consapevoli sono cruciali per l'allineamento dell'IA in contesti reali, dove la sicurezza va oltre il senso comune e abbraccia valori locali, norme sociali e regolamentazioni specifiche di ogni regione. Tuttavia, la costruzione di dataset su larga scala e radicati culturalmente è complessa a causa di risorse limitate e della scarsità di annotatori madrelingua. Di conseguenza, molti modelli di sicurezza si basano sulla traduzione automatica di dataset in inglese, perdendo spesso le sfumature regionali e culturali. Presentiamo un nuovo framework agentico per la generazione di dati, progettato per creare in modo scalabile dataset autentici e specifici per la sicurezza nella regione del Sud-est asiatico (SEA). Su questa base, introduciamo la famiglia SEA-Guard, i primi modelli di sicurezza multilingue radicati nei contesti culturali del SEA. Valutati su molteplici benchmark e varianti culturali, i modelli SEA-Guard superano costantemente le salvaguardie esistenti nell'individuare contenuti sensibili o dannosi a livello regionale, mantenendo al contempo solide prestazioni di sicurezza generale.
English
Culturally aware safeguards are crucial for AI alignment in real-world settings, where safety extends beyond common sense and encompasses diverse local values, norms, and region-specific regulations. However, building large-scale, culturally grounded datasets is challenging due to limited resources and a scarcity of native annotators. Consequently, many safeguard models rely on machine translation of English datasets, often missing regional and cultural nuances. We present a novel agentic data-generation framework to scalably create authentic, region-specific safety datasets for Southeast Asia (SEA). On this foundation, we introduce the SEA-Guard family, the first multilingual safeguard models grounded in SEA cultural contexts. Evaluated across multiple benchmarks and cultural variants, SEA-Guard consistently outperforms existing safeguards at detecting regionally sensitive or harmful content while maintaining strong general safety performance.