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 04:32:38 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，内容宣城市某某设备售后客服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”，成功宣城市某某设备售后客服中心实验结果显示，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
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
[环球时报报道 记者 倪浩]据彭博社报道，美国前总统特朗普上周末遭“未遂刺杀”后，资本市场提振了对他当选美国总统的押注。全球市场呈现美元上涨、金价微跌、油价持稳的走势。 根据报道，15日上午亚洲2025-12-05
原标题：身心状态良好 神舟十七号乘组太空归来后正式亮相） 2024年7月5日下午，神舟十七号航天员乘组汤洪波、唐胜杰、江新林从太空返回两月后，在中国航天员中心与媒2025-12-05
外卖不仅是现代生活的一部分，也是体现健康生活方式的重要渠道。杂粮拌饭、轻食荞麦面……如今的外卖餐食也在“瘦身”，低卡低糖的食物受追捧、全谷物和杂粮食品成为流行趋势。2023年中国餐饮市场迎来复苏潮，22025-12-05
来源：直播吧 直播吧12月1日讯 温格近日在多哈接受CNN的采访时，以国际足联全球足球发展主管的身份对阿森纳进行了评价。 温格说道：“阿森纳不需要我了，但我一直是他们的忠实支持者。” 当被问2025-12-05
来源：新民晚报 据央视报道，俄罗斯总统新闻秘书德米特里·佩斯科夫7月13日对媒体表示，“普京总统的安全得到保障”。 这句话是俄方对乌克兰国防部情报总局局长基里洛·布达诺夫相关言论的回应。 布2025-12-05
最新评论