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 01:15:49 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，内容张掖市某某仪器仪表维修站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”，成功张掖市某某仪器仪表维修站实验结果显示，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
江山如画｜绿水青山的答案，在这座县城写进生活 来源：视频综合） “全国第一批‘绿水青山就是金山银山’实践创新基地”“全国生态文明示范区”“国家重点生态功能区”……近年来，安徽省宣城市旌德县获2025-12-05
当地时间10月19日，苏丹武装部队宣布控制该国首都喀土穆南部的拉马普地区。 苏丹武装部队表示，其装甲兵部队当天自喀土穆南部的装甲兵总部基地出击，击溃快速支援部队，缴获对方大批武器弹药，并完全控制2025-12-05
原标题：以警方公布运送辛瓦尔遗体录像） 当地时间17日，以色列总理内塔尼亚胡17日晚间发表视频讲话说，巴勒斯坦伊斯兰抵抗运动哈马斯）领导人叶海亚·辛瓦尔已经被以军2025-12-05强冷空气持续发威！周末中东部多地气温创新低 新一轮雨雪过程上线
原标题：强冷空气持续发威！周末中东部多地气温创新低 新一轮雨雪过程上线） 强冷空气持续发威！今明两天10月19日至20日），这股冷空气将继续南下制造大风降温天气，2025-12-05
当地时间12月3日，委内瑞拉总统马杜罗在一场公开讲话中确认，约十天前，他已与美国总统特朗普进行电话通话，并形容交流“在相互尊重的氛围中进行”，显示双方有意开启对话渠道。 马杜罗表示，这次通话是相2025-12-05
来源：现代快报 现代快报讯记者 王卫）10月17日，一条消息刷爆社交平台，有网友曝光中国篮球名将易建联嫖娼，并晒出疑似易建联本人照片和身份证照片。聊天记录显示，易建联给了其1500美金。 网络2025-12-05
最新评论