研究：用诗歌就能让AI说违禁内容，成功率达62%
发布时间：2025-12-06 06:07:26 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，内容黄石市某某橡塑制品服务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”，成功黄石市某某橡塑制品服务中心实验结果显示，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
△加沙地带资料图） 当地时间3日，以色列国防军发布声明称，当天早些时候，巴勒斯坦伊斯兰抵抗运动哈马斯）武装组织在加沙地带拉法地区公然违反停火协议，武装人员袭击了正在当地部署的以色列军队，造成5名2025-12-06
△以色列国防部长加兰特资料图） 当地时间7日，以色列国防部长加兰特发表简短声明表示，在巴勒斯坦伊斯兰抵抗运动哈马斯）被消灭，或者在以色列遭扣押人员获释之前，以军不会停止在拉法的军事行动。 加兰特表2025-12-06
四年一届的奥运会，不仅是全世界最盛大的体育赛事，同时也刺激着主办城市和国家的经济脉动。其中，酒店客房收入和公寓短租收入，就是“奥运+旅游”的一个风向标。不过，国外媒体公布了巴黎公寓的短租近况，房东们似2025-12-06
“眼睛瞪得像铜铃，射出闪电般的精明……”是的，你没看错，这是《庆余年第二季》的定档预告。叶轻眉的“诗”，果然不同“范”响，连黑猫警长也带着高能BGM来友“庆”助唱。《庆余年第二季》将于5月16日起，C2025-12-06
IT之家 12 月 1 日消息，据赛力斯集团官方消息，11 月 28 日，清华大学-赛力斯汽车有限公司电池创新技术联合研究中心以下简称“联合研究中心”）揭牌仪式在清华大学举行。据IT之家了解，清华大学2025-12-06
最近美国空军宣布了一个“划时代”的技术突破——人工智能AI）控制的战斗机似乎已经具备“自主空战”能力了！美国空军部长弗兰克·肯德尔还亲自搭乘由AI飞行员控制的战斗机，在空中体验了近距离格斗等各种空2025-12-06
最新评论