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 22:53:18 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，内容盐城市某某医疗设备维修网点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”，成功盐城市某某医疗设备维修网点实验结果显示，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
新加坡《联合早报》近日刊发文章《郑丽文：台湾一旦沦为战场什么都是空谈》，文章指出，郑丽文参加台湾一年一度的“秋斗”大游行时呼吁，台湾人放下党派和意识形态，捍卫和平，“台湾一旦沦为战场，什么都是空谈2025-12-05
今年首个“超级月亮”将于8月20日凌晨现身夜空，我国感兴趣的公众可于19日傍晚仰望天空，欣赏这轮“胖月亮”。 当月球和太阳处于地球两侧，并且月球和太阳的黄经相差180度时，地球上看到的月球最圆，2025-12-05
版权声明：本文版权为网易汽车所有，转载请注明出处。网易汽车8月16日报道日前，哪吒S参数丨图片）猎装纯电版正式开启预售，510 Air和640 AWD Max版的预售价为16.69-21.99万元，82025-12-05
准大一新生家长主动联系辅导员，老师发长文回怼，是时候该放手了
大部分00后学生，从上学第一天起，老师就建立家长群，让学生的父母加入其中。学校所有的通知，以及学生在校期间的表现都会及时反馈到群里，家长必须时刻关注群消息，才能确保不错过任何重要通知。家长们一遍吐槽家2025-12-05
华为智选车产品总监彭磊：享界11月交付6000，本月目标1万
IT之家 12 月 1 日消息，鸿蒙智行官方今日发布“战报”：11 月，全系车型交付新车 81864 台，同比增长 89.61%，创单月交付历史新高。IT之家注意到，华为智选车产品总监享界系列）彭磊今2025-12-05
来源：都市快报 今天中午，成都大熊猫繁育研究基地发布公告： 8月12日上午，大熊猫“福茹”出现长时间趴卧和精神不振的情况。熊猫基地医护团队立即进行全面检查，发现“福茹”消化道感染伴凝血功能障碍2025-12-05
最新评论