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 13:13:07 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，内容浙江某某代理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”，成功浙江某某代理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
内娱进修潮“卷”起来了！近日广电2025演员与经纪人培训班第5期）在深圳开课，令人意外的是杨颖也在其中2023年因为一场秀，从顶流跌落的杨颖，此次出席广电培训，或正式打开她的复出之路！哈喽，大家好，我2025-12-07
美股三大指数集体高开，道指涨0.34%，纳指涨0.56%，标普500指数涨0.44%。拼多多跌逾10%，公司第三季度营收低于预期。比特币盘中突破98000美元，再创历史新高，加密货币概念股普涨，M2025-12-07
网易财经11月15日讯同花顺公告，子公司云软件公司收到中国证券监督管理委员会浙江监管局《行政监管措施决定书》。云软件公司存在营销人员运用部分客户成功案例、展示客户称赞截图、个股过往业绩等进行展示宣传且2025-12-07
网易财经11月19日讯 临近尾盘，指数持续走强，创业板指拉升涨逾3%，沪指涨0.45%，深成指涨1.74%。能源金属、可控核聚变、机器人、半导体等方向涨幅居前，沪深京三市上涨个股近4500只。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2025-12-07AI搜索引擎Perplexity增加购物相关功能，继续施压谷歌
延伸阅读 小鹏Q3营收破百亿，交付4.7万辆，亏18.1亿 余承东捂不住了！华为Mate 70真机大2025-12-07
最新评论