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 10:10:46 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，内容咸宁市某某路桥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”，成功咸宁市某某路桥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
2025外卖战争始末：日亏6.6亿，中国互联网史上最昂贵的夏天
出品｜网易科技《锐度》栏目作者｜汉雨棣编辑｜丁广胜每天早上6点醒来，乔峰坐在马桶上第一件事就是打开美团、饿了么和京东，他会在几分钟内解析出对手当天的战术意图："如果美团今天的通用券是减20元，而我们是2025-12-05
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
一加Ace 6T支持全新明眸护眼：通过了最严苛的护眼小金标认证
快科技12月1日消息，一加宣布一加Ace 6T支持全新的明眸护眼，在低蓝光、低频闪、低亮度这三大硬件指标上做到了全面领先，还通过行业最严苛的护眼小金标认证。具体来看，一加Ace 6T支持硬件级低蓝光，2025-12-05
来源：环球网【环球网报道 记者 索炎琦】“美国在阿布扎比举行俄乌秘密和谈。”路透社24日援引英国《金融时报》消息称，美国陆军部长德里斯科尔当地时间周一24日）抵达阿联酋首都阿布扎比，与俄罗斯代表团及乌2025-12-05
原标题：侵蚀和平土壤，谁在育“毒苗”结“恶果”？｜新漫评） 侵蚀和平土壤 谁在育“毒苗”结“恶果”？ 来源：视频综合） 近日，日本首相高市早苗在国会答辩2025-12-05
这些“不起眼”的症状，可能是脑炎信号2025-12-03 15:49:09 来源：扬子晚报 作者：付子豪2025-12-05
最新评论