研究：用诗歌就能让AI说违禁内容，成功率达62%
发布时间：2025-12-05 10:15:23 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，内容开封市某某过滤设备厂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”，成功开封市某某过滤设备厂实验结果显示，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
机器之心报道机器之心编辑部刚刚，Erdos 问题 #124 的一个弱化版本被证明。这个问题自 1984 年在《算术杂志》上发表的论文 「整数幂集的完备序列」 中提出以来，近 30 年一直悬而未决证明该2025-12-05
国足主帅伊万科维奇即将带队迎来6月世预赛“生死战”。视觉中国 图5月21日晚，中超联赛第13轮较量即将展开，焦点场次让球迷忍不住早早展开讨论：领头羊上海申花队客场挑战4连败刚刚换帅的河南队，一个核心外2025-12-05
来源：互联网联合辟谣平台楼兰故城一张门票3500元的说法流传已久，甚至不少不明真相的网民为其冠上了中国最贵景区的名头。其实，严格意义上来说，楼兰故城并不能称为景区。据“若羌文旅”官方账号消息，楼兰故城2025-12-05
玩手机到底要不要摘掉眼镜？2024-05-21 08:59:04 来源：扬子晚报 作者：李岩2025-12-05
△美国总统特朗普资料图） 总台记者当地时间11月30日获悉，美国总统特朗普在“空军一号”上对媒体表示，他对美乌官员当天在佛罗里达州举行的会谈表示乐观，俄乌和平协议“很有可能”达成。特朗普还称，乌克兰2025-12-05
在上海的杜比剧场听一场视听交响音乐会，也许是很多人都没有过的新奇体验。皮亚佐拉是阿根廷国宝级的作曲家，也被誉为“探戈之父”。5月25日，在上海影城的杜比剧场，罗伯托·菲奥雷将率领上海新星交响乐团，上演2025-12-05
最新评论