研究：用诗歌就能让AI说违禁内容，成功率达62%
发布时间：2025-12-11 01:01:04 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，内容三亚市某某建筑科技经销部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”，成功三亚市某某建筑科技经销部实验结果显示，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
刚上冻就冒险滑“野冰”？紧急提醒2025-12-09 07:22:45 来源：央视新闻客户端 作者：王琴2025-12-11
烧水除塑有方法 饮水安全新招揭秘2024-04-24 08:11:06 来源：北京青年报 作者：邵婉云2025-12-11
广东公布最新“蚊子地图”！粤疾控：尤为注意预防伊蚊叮咬2024-05-06 22:07:09 来源：中国新闻网2025-12-11
宁夏开展全国孤残儿童护理员高级技师、技师职业技能等级认定工作
宁夏开展全国孤残儿童护理员高级技师、技师职业技能等级认定工作2024-05-06 16:34:01 来源：中国新闻网2025-12-11
法布雷加斯在科莫客场对阵国际米兰的意甲比赛前的新闻发布会上表示，他曾试图签下苏契奇和路易斯-恩里克。当被问及最想让哪些国际米兰球员加入自己的科莫队时，法布雷加斯回答说：“我不太喜欢提名字。我是劳塔罗-2025-12-11
专家：血友病的基因治疗将成趋势2024-04-18 07:48:16 来源：科技日报 作者：刘阳禾2025-12-11
最新评论