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 04:52:25 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，内容阳江市某某计算机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”，成功阳江市某某计算机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
- 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》2025-12-05
美东时间5月3日，极氪向美国证券交易委员会SEC）提交了更新的准招股说明红鲱鱼招股书），计划以“ZK”为股票代码，在纽交所挂牌上市。招股书显示，极氪将发行1750万份ADS美国存托股份），每份ADS相2025-12-05
【观点摘要】2023年中国经济成绩单，不仅保持了经济“量”的稳定性，还适时推动了经济结构的优化。在这一过程中，科技引领的现代化产业体系建设的趋势和成效愈发显著。除了对传统产业的升级改造，战略新兴产业也2025-12-05
上半年全球电影市场一般都是波澜不惊。如果最近非要找一部充满娱乐精神的电影，那么《破墓》算是不错的选择。《破墓》自2月于韩国上映，商业表现颇为亮眼，成了韩国本年度首部观影人次突破千万的大卖之作。考虑到本2025-12-05
来源：中国新闻周刊 近日，仝卓表弟在柬埔寨失联，引发关注。失联男子李怡亨的亲属告诉@中国新闻周刊，李怡亨今年29岁，原本在上海从事安保工作，失联前被介绍前往南宁一个展会做安保，宣称280元/天包2025-12-05
记者5日从中国科学院云南天文台获悉，该台研究人员近期与中国科学院紫金山天文台、国家天文台及南京大学等合作，针对日珥精细结构和动力学过程作了详细研究，探讨了日珥小尺度波动的物理本质和对日冕加热的影响。相2025-12-05
最新评论