研究：用诗歌就能让AI说违禁内容，成功率达62%
发布时间：2025-12-18 05:53:50 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
中央经济工作会议12月10日至11日在北京举行。会议总结2025年经济工作，分析当前经济形势，部署2026年经济工作。 聚焦会议相关部署和传递出的信号，新华社推出一组解读，进行具体阐释。 请看2025-12-18
8月25日，宁夏多地发布暴雨橙色、红色预警： 吴忠市盐池县气象台8月25日2时9分发布暴雨红色预警信号：预计未来3小时，盐池县高沙窝镇仍有50毫米以上降水。 石嘴山市平罗县气象台8月25日2时2025-12-18
△乔拉库资料图） 当地时间8月24日，罗马尼亚社会民主党社民党）代表大会上，总理乔拉库再次当选党主席，并被确认为该党总统选举的候选人。 社会民主党是罗马尼亚执政联盟的主要成员，也是罗马尼亚最大的政2025-12-18
8月21日，小米集团首次披露汽车业务季度成绩单，“小米卖一辆车亏6万多”的话题受到关注。随后，雷军在微博上作出回应。据介绍，小米在智能汽车等创新业务方面交付提速，全年10万辆交付目标预计11月完成。第2025-12-18
关于草莓这些“传言”是真的吗2025-12-15 09:04:54 来源：重庆晨报 作者：刘湃2025-12-18
当地时间8月23日，冰岛国家警察局长已决定将公共安全级别从紧急级别调整为危险级别。在公共安全级别降低后，冰岛旅游胜地“蓝湖”将恢复运营。 冰岛气象局部门负责人兼地球物理学家克里斯汀·琼斯多蒂尔表2025-12-18
最新评论