研究：用诗歌就能让AI说违禁内容，成功率达62%
发布时间：2025-12-15 19:13:48 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，内容济宁市某某母婴用品培训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”，成功济宁市某某母婴用品培训中心实验结果显示，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
NASA准局长称“要在中国前重返月球”？中方多次表态：无意搞太空竞赛
来源：环球时报【环球时报特约记者 王逸】被美国总统特朗普提名出任美国国家航空航天局NASA）局长的贾里德·艾萨克曼将于当地时间3日参加国会参议院提名确认听证会，阐述与中国的登月竞赛以及深空探索计划。据2025-12-15
来源：中国基金报 [导读]“特朗普交易”影响市场 中国基金报记者 泰勒 兄弟姐妹们啊，今天股汇双涨！ A股大涨！ 11月4日，市场全天反弹。截至收盘，沪指涨1.17%，深成指涨1.99%2025-12-15
据日本多家媒体当地时间2日报道，日本公明党消息人士称，日本公明党已基本确定由现任国土交通大臣齐藤铁夫接替石井启一，担任公明党党首。预计9日召开的公明党临时党大会上将完成正式选举流程。 日本自由民2025-12-15
你们有没有发现：新高考的“选科”之争，乍一看，像是武侠小说中的各大门派，分成各自的领域互相对决。不同的组合背后，有的是拼脑力的博弈，有的是选专业的纠结，有的是个人兴趣的较量——真是高手如云，谁都想在这2025-12-15
医学科普如何“说人话”？四位医生大V分享破圈之道2025-12-12 10:38:05 来源：中国新闻网 作2025-12-15
【地理思维】什么是尺度思维？2018—2022年高考地理综合题设问方式汇总
推荐关注地理图文地理知识集合汇总尺度思维学科思维是一门学科看待世界的独特视角和思维方式。是学科的灵魂。地理常见思维如：尺度思维、人地协调、因地制宜、整体思维、区位思维、辩证思维反思维定势）等。地理学科2025-12-15
最新评论