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 03:04:46 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，内容琼海市某某消防设备有限责任公司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”，成功琼海市某某消防设备有限责任公司实验结果显示，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
【#大使馆通报仝卓表弟已获救#】在中柬双方共同努力下，11月26日，在柬失联的中国公民李某某成功获救并抵达中国驻柬使馆。驻柬使馆已为其办理回国证件，并协调柬方为其办理回国手续。中国驻柬使馆再次提醒2025-12-05
10月3日，自由式滑雪世界冠军谷爱凌在个人社交账号发文称，自己在牛津开学了。 谷爱凌写道：“在牛津开学了！新的地点，新的好奇，新的挑战。非常期待能在这样一所历史悠久且负有传奇的学府学习一学期。”2025-12-05
在一次寻常的家庭作业检查时光里，我轻轻翻阅着孩子的算术练习，不期然间，一抹不正确的答案跃入眼帘。那一刻，我几乎本能地想要立即指出，话语脱口而出，却换来了孩子略带不耐的嘀咕和敷衍的更正。他匆匆收尾，那份2025-12-05
“她不应该退役，因为她的水平依然很高很高。”中国网球公开赛女单1/4决赛赛后，西班牙选手巴多萨拿起麦克风，对35岁的张帅进行了长达一分钟的“表白”。尽管这场比赛张帅0-2败给了巴多萨，无缘4强。但包括2025-12-05
据香港电台网站报道，11月26日下午，香港大埔宏福苑发生火灾，已造成4人死亡，包括一名殉职的消防员；另有5人受伤，其中3人情况危殆。 另据报道，香港大埔宏福苑火警于下午6时22分升为五级。 据2025-12-05
总台记者当地时间10月2日从叙利亚方面获悉，当天以色列空袭叙利亚首都大马士革市区马扎区一幢居民楼。初步统计显示袭击已经导致2人死亡、多人受伤。 截至目前，以色列方面暂无回应。总台记者 王薇薇）2025-12-05
最新评论