研究：用诗歌就能让AI说违禁内容，成功率达62%
发布时间：2025-12-14 19:08:32 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，内容潜江市某某教育科技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”，成功潜江市某某教育科技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
在社区生活中，物业不仅是管理者、服务者，更是居民身边的贴心人。近期，龙泉镇中门寺南坡小区正在办理房产证，瑞龙祥物业团队以实际行动为居民提供便利，帮助大家顺利办证，在严严冬日温暖了居民的心。房产证办理涉2025-12-14
财联社9月21日讯记者 林坚）据9月21日公安部网安局消息，公安机关近日依法查处一起自媒体运营人员恶意编造网络谣言进行吸粉引流、非法牟利、扰乱社会秩序的案件。财联社记者从有关部门了解到，刘某男，36岁2025-12-14
来源：新华社【新华社微特稿】美国副总统、民主党总统候选人卡玛拉·哈里斯21日在社交媒体上“邀请”美国前总统、共和党总统候选人唐纳德·特朗普再次与她进行电视辩论，特朗普予以拒绝，称这场辩论的举行时间“太2025-12-14
9月23日，记者从北京汽车获悉，其公司标志已变更，新标志将用于相关公司文件包括但不限于中期及年度报告、公告、通函、通告、股票及新闻稿）。 北京汽车表示，变更公司标志不会影响现有公司股东的任何权利2025-12-14
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12月5日报道自2014年9月我国启动新能源汽车购置税免征政策以来，这项持续10年的产业扶持福利即将迎来转折。根据财政部、税务总局、工信部联合2025-12-14
本报讯(记者 王天淇)记者从市水务局获悉，今年6月1日到9月10日，全市降雨形成水资源量26.83亿立方米。全市地下水储量较汛前增加11.42亿立方米，较去年同期增加13.52亿立方米，地下水位实现连2025-12-14
最新评论