研究：用诗歌就能让AI说违禁内容，成功率达62%
发布时间：2025-12-06 13:29:52 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，内容韶关市某某电气有限公司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”，成功韶关市某某电气有限公司实验结果显示，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
香港大火，牵动着全国人民的心，娱乐圈多位明星发文，祈愿受困民众平安。自26日晚开始，陆续有赵雅芝、惠英红、杨幂、佘诗曼、谢霆锋、容祖儿、陈伟霆、张卫健、蔡卓妍、钟欣潼、高海宁等，娱乐圈众多明星，为大埔2025-12-06
据央视新闻，当地时间7月4日，俄罗斯总统普京在阿斯塔纳出席“上合组织+”会议时就俄乌冲突问题表示，俄罗斯从未拒绝和谈，现在也愿意继续和谈。普京强调，伊斯坦布尔协议草案并未消失。乌克兰谈判代表团团长当时2025-12-06
央广网天津7月12日消息日前，2024天津国际航运产业博览会以下简称“2024国际航运展”）在国家会展中心天津）举办。2024国际航运展以“航通天下，运行未来——畅通国内国际双循环”为主题，聚焦航2025-12-06
根据秘鲁地球物理研究所国家地震中心报告，当地时间7月13日16时48分，秘鲁库斯科大区发生4.7级地震，震源深度15公里。目前暂无人员伤亡及财产损失报告。总台记者 马天静）2025-12-06
打演员、洁癖到病态，周姓女星被曝耍大牌，童谣、胡先煦是受害者
娱乐圈的水有多深？这两天网上突然炸开了锅，一个周姓女演员被曝在剧组各种作妖，夏天拍戏不让开空调差点把男演员热晕，洁癖严重到保洁阿姨进她房车都得全副武装穿防护服，更狠的是跟搭档演对手戏直接动手打人。网友2025-12-06
中国基金报记者 卢鸰随着市场需求的增长，相关PCB公司的业绩正迎来反转。在一季度净利润大增759.89%之后，生益电子7月9日晚又公告，预计2024年上半年公司归母净利润为9350万元到1.1亿元，2025-12-06
最新评论