研究：用诗歌就能让AI说违禁内容，成功率达62%
发布时间：2025-12-07 06:06:29 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，内容大庆市某某机电设备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”，成功大庆市某某机电设备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
新京报讯 中国地震台网自动测定：12月04日15时44分在新疆克孜勒苏州阿合奇县附近北纬41.00度，东经78.57度）发生5.4级左右地震，最终结果以正式速报为准。2025-12-07
据交通运输部珠江航务管理局消息：根据气象预报，今年第11号台风“摩羯”将达到强台风或超强台风等级，最大风力达15到17级，对琼州海峡水域产生重大影响。9月3日18时起至4日0时客滚船舶分批离开琼州海峡2025-12-07
新京报讯 据中国海警消息，9月8日上午，中国海警长山舰和石城舰组成的舰船编队圆满完成2024年北太平洋公海渔业执法巡航任务，顺利返港。 这是中国海警在北太平洋公海开展的第9次巡航，也是首次带直升2025-12-07
近日，全国多地连降暴雨。雨中行车危险系数升级，交警提示，群众如确有驾车出行必要，切记停车时不要将车辆停放至低洼处，驾车时遇有积水路段切勿贸然涉水。“雨天驾车出行，几个‘谨慎停’‘不要停’大家要牢记。”2025-12-07
脱皮年糕爆火，但劝你少吃！“胖过”米饭，还是隐形“血糖炸弹”
脱皮年糕爆火，但劝你少吃！“胖过”米饭，还是隐形“血糖炸弹”2025-12-04 14:49:11 来源：“科普中国”微信公众号2025-12-07- 近日，全国多地连降暴雨。雨中行车危险系数升级，交警提示，群众如确有驾车出行必要，切记停车时不要将车辆停放至低洼处，驾车时遇有积水路段切勿贸然涉水。“雨天驾车出行，几个‘谨慎停’‘不要停’大家要牢记。”2025-12-07
最新评论