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 00:39:09 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，内容保定市某某通信设备服务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”，成功保定市某某通信设备服务中心实验结果显示，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
英超第15轮，曼城将主场对阵桑德兰，曼城主帅瓜迪奥拉赛前新闻发布会暂时保密部分的内容现已公开。以下是本次内容的上半部分。嗨，佩普。也许是因为你在这里执教期间取得了如此多的成功，所以当事情并非完全顺利时2025-12-11
市值不足200万美元、FF处退市边缘 贾跃亭开启个人IP商业化试图“自救”
财联社5月7日讯记者 徐昊）正在退市边缘岌岌可危的Faraday FutureFF），有了新的进展。5月7日，FF 创始人兼CPUO贾跃亭通过视频发声，表示将考虑和Matthias马提亚斯）共同出任公2025-12-11
来源：南方都市报 母亲节前夕，台湾台北市发生弑母人伦悲剧，引发关注。5月7日，据台湾士林“地方检察署”消息，日前台北市北投区一高姓女子，疑精神状况不佳，与89岁母亲发生口角后，一时情绪失控，用跳2025-12-11
△当地时间5月6日，加沙地带 当地时间5月6日晚间，以色列媒体援引以高级官员的话称，以色列停火谈判小组不久前收到了相关斡旋方关于巴勒斯坦伊斯兰抵抗运动哈马斯）同意停火的反馈，将对此进行仔细评估。此外2025-12-11
央视网消息：近日，北京市人力资源和社会保障局发布消息，面向外卖员、网约车司机等新业态劳动者群体，在全市范围内全面推行职业伤害“小伤快赔”模式，该模式可以实现“小伤医疗费报销全程线上办”，大幅压缩理赔时2025-12-11
每经记者 杨建 每经编辑 肖芮冬 2024年“五一”假期期间，中国资产上演了一场史诗级大反攻，恒生指数、恒生科技指数区间涨幅分别达到4.01%和7.31%。 “五一”假期后首个交易日，5月6日2025-12-11
最新评论