研究：用诗歌就能让AI说违禁内容，成功率达62%
发布时间：2025-12-05 06:19:26 作者：玩站小弟 
我要评论
我要评论IT之家 12 月 1 日消息，事实证明，只需一点创意，便足以绕过人工智能聊天机器人的安全防护机制。在伊卡洛实验室Icaro Lab）最新发表的一项题为《对抗性诗歌：一种通用的单轮大语言模型越狱机制》
。
IT之家 12 月 1 日消息，研究用诗事实证明，违禁只需一点创意，内容万宁市某某生态科技售后客服中心便足以绕过人工智能聊天机器人的成功安全防护机制。在伊卡洛实验室（Icaro Lab）最新发表的率达一项题为《对抗性诗歌：一种通用的单轮大语言模型越狱机制》的研究中，研究人员通过将提示词以诗歌形式表达，研究用诗成功绕过了多种大语言模型（LLM）的违禁安全限制。
该研究指出，内容“诗歌形式可作为一种通用型越狱操作符”，成功万宁市某某生态科技售后客服中心实验结果显示，率达整体上有 62% 的研究用诗成功率诱使模型生成被禁止的内容，包括涉及制造核武器、违禁儿童性虐待材料以及自杀或自残等相关信息。内容
IT之家注意到，成功研究测试了多款主流大语言模型，率达包括 OpenAI 的 GPT 系列、Google Gemini、Anthropic 的 Claude 以及其他多个模型。研究人员进一步列出了各模型的具体成功率：Google Gemini、DeepSeek 和 MistralAI 在测试中始终会提供违规回答，而 OpenAI 的 GPT-5 系列模型和 Anthropic 的 Claude Haiku 4.5 则最不容易突破其自身设定的限制。
尽管该研究并未公开研究人员所使用的具体“越狱诗歌”原文，但研究团队向 Wired 杂志表示，这些诗句“过于危险，不宜向公众披露”。不过，论文中确实包含了一个经过弱化处理的示例，用以说明绕过 AI 聊天机器人安全机制的简易程度。研究人员强调：“这可能比人们想象的要容易得多，而这正是我们保持谨慎的原因所在。”
相关文章
日本在与中国台湾邻近的西南诸岛部署进攻性武器，刻意制造地区紧张，挑动军事对立。中国国防部11月27日正告日方，解放军有强大的能力、可靠的手段打败一切来犯之敌，日方胆敢越雷池半步给自己招事惹事，必将2025-12-05
广东公布最新“蚊子地图”！粤疾控：尤为注意预防伊蚊叮咬2024-05-06 22:07:09 来源：中国新闻网2025-12-05
专家：症状减轻不代表炎症消失 哮喘治疗应长期、连贯2024-05-06 17:34:17 来源：中国新闻网2025-12-05
烧水除塑有方法 饮水安全新招揭秘2024-04-24 08:11:06 来源：北京青年报 作者：邵婉云2025-12-05
原标题：侵蚀和平土壤，谁在育“毒苗”结“恶果”？｜新漫评） 侵蚀和平土壤 谁在育“毒苗”结“恶果”？ 来源：视频综合） 近日，日本首相高市早苗在国会答辩2025-12-05
健康中国 | “未病先防”为宝宝健康保驾护航2024-04-25 12:51:32 来源：央广网 作者：邵婉2025-12-05
最新评论