研究：用诗歌就能让AI说违禁内容，成功率达62%
发布时间：2025-12-29 22:52:50 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，内容潮州市某某建筑科技运营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”，成功潮州市某某建筑科技运营部实验结果显示，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
北京市人力资源和社会保障局26日召开北京市劳动人事争议仲裁委员会工作会议，审议发布2025年度劳动人事争议仲裁十大典型案例，直击人工智能技术应用带来的岗位替代难题、延迟退休政策落地的具体适用、跨境2025-12-29
三言科技 11月19日消息，11月18日晚，雷军发布参加车展公众日的视频。视频中，当被问及“是最早投资蔚来的投资人”，雷军回复称：“是李斌给我机会投资蔚来）。”此前，李斌曾在直播中表示：“蔚来最早有62025-12-29
来源：中国日报网近日，电力北斗赋能输电无人机自主巡检技术在多个地区取得了显著进展和应用，为电网安全与智能化发展注入了新的动力。国网克州供电公司依托电力北斗精准位置服务网实时厘米级的高精度定位服务，开展2025-12-29
来源：映象网 2024年11月20日，国乒男队一轮游、国乒一日五败，福冈总决赛遭遇噩梦开局，国乒功勋教练吴敬平在当晚发文：寒冬来得比预料的要快，出人意料。 据澎湃新闻，11月20日，中国乒乓2025-12-29
当地时间12月22日凌晨0点30分，印尼中爪哇省三宝垄市一个收费站出口立交桥处发生一起交通事故。一辆载有34名乘客的旅游巴士，在从雅加达开往日惹途中，发生了交通事故。 据悉，这辆旅游巴士在超速行2025-12-29
11月21日，#王宝强被举报涉嫌欺诈#，引发关注。晚间，@王宝强工作室 回应：“白纸黑字签订的分文不差，承诺过的帮助也从未食言。无愧于心，也绝不负信任，我们静待法律结果。” 此前报道： 王宝强2025-12-29
最新评论