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 15:57:16 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，内容成都市某某自动化科技专卖店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”，成功成都市某某自动化科技专卖店实验结果显示，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
一加Ace 6T支持全新明眸护眼：通过了最严苛的护眼小金标认证
快科技12月1日消息，一加宣布一加Ace 6T支持全新的明眸护眼，在低蓝光、低频闪、低亮度这三大硬件指标上做到了全面领先，还通过行业最严苛的护眼小金标认证。具体来看，一加Ace 6T支持硬件级低蓝光，2025-12-05
受今年第13号台风“贝碧嘉”影响，截至16日10时30分，上海全市：房屋受损3间，小区树木倒伏或折断共771株，行道树木倒伏或折断共1557株。取消铁路客运577列次，取消航班1461班次，取消轮船航2025-12-05
秋天正是各个品种的苹果大量上市的季节。关于苹果的功效，有两个问题经常被人提到。第一个问题是：苹果真的能让高血压的人延年益寿吗？第二个问题是：听说苹果做熟了吃，营养价值更高、好处更多？今天就来解答这两个2025-12-05- 按摩，如今已成了不少人生活中的“必备品”。忙碌的生活中，很多人喜欢通过按摩来缓解压力和身体疲劳。无论是经过一天的工作，还是运动后感到肌肉酸痛，按摩都能让身体放松，心情舒畅。它不仅能舒缓紧张的肌肉，还能2025-12-05
五年前，林斐然家在高位买了一套房。至今，房价已经跌了整整100万。这100万让丈夫难以释怀。婚后，从房价下跌开始，林斐然就与丈夫频繁争吵。这五年内，只要谈及钱，他都会忍不住向妻子抱怨不该买房。20252025-12-05
来源：CCTV国际时讯 以色列国防军今天9月29日）发布消息称，以军稍早前在黎巴嫩首都贝鲁特实施了一次“精确打击”，更多细节将稍后提供。总台记者 李超）2025-12-05
最新评论