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 04:41:42 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，内容乌海市某某电子商务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”，成功乌海市某某电子商务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
11月30日，商务部发布公告2025年第77号，公布对原产于日本、美国、韩国和马来西亚的进口聚苯硫醚所适用的反倾销措施发起期终复审调查。 2020年11月30日，商务部发布2020年第53号公告2025-12-05
[郑思维/黄雅琼晋级羽毛球混双决赛]#雅思晋级决赛#羽毛球混双半决赛，郑思维/黄雅琼以2-021-14/21-15）战胜渡边勇大/东野有纱，晋级决赛。他们将在决赛中对阵韩国组合金元昊/郑娜恩。#22025-12-05
这些夏日禁忌，你中招了吗？| 你问医答2024-08-01 11:29:10 来源：健康中国微博 作者：李润2025-12-05- [郑思维/黄雅琼晋级羽毛球混双决赛]#雅思晋级决赛#羽毛球混双半决赛，郑思维/黄雅琼以2-021-14/21-15）战胜渡边勇大/东野有纱，晋级决赛。他们将在决赛中对阵韩国组合金元昊/郑娜恩。#22025-12-05
ChatGPT发布三周年：它重塑了世界，却也把自己逼到了悬崖边
作者 | 小小出品 | 网易科技“今天，我们推出了ChatGPT。”三年前的今天，也就是2022年11月30日，OpenAI首席执行官山姆·奥特曼Sam Altman）用这句轻描淡写的话，向世界推开了2025-12-05- [郑思维/黄雅琼晋级羽毛球混双决赛]#雅思晋级决赛#羽毛球混双半决赛，郑思维/黄雅琼以2-021-14/21-15）战胜渡边勇大/东野有纱，晋级决赛。他们将在决赛中对阵韩国组合金元昊/郑娜恩。#22025-12-05
最新评论