研究：用诗歌就能让AI说违禁内容，成功率达62%
我要评论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，内容福建某某企业管理咨询专卖店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”，成功福建某某企业管理咨询专卖店实验结果显示，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
逆袭！票房剑指50亿？光芒《哪吒2》都遮不住，这才是年度大黑马
虽然想到了《疯狂动物城2》票房会不错，但能到这种程度实在出人意料。电影上映之后，《鬼灭之刃》《狂野时代》等同期新片被碾压，众多尘封许久的好莱坞内地票房纪录将被打破，就连国产片都被上了一课。逆袭！票房剑2025-12-06
白酒行业的一则商标侵权诉讼案近期引发热议。为了名字中的一个“郎”字，四川省古蔺郎酒厂有限公司及其关联企业下称“郎酒集团”）将贵州省仁怀市茅台镇夜郎古酒业股份有限公司下称“夜郎古酒业”）告上法庭。11月2025-12-06
西安00后软件工程师辞职摆摊卖蛋糕：更想跟人打交道，而非冷冰冰的键盘
今年9月，2000年出生的艾庆勇做出一个重要决定：辞掉软件工程师的工作，转行摆地摊卖蛋糕。如今摆摊已经过去两个多月。11月14日晚，艾庆勇告诉上游新闻报料邮箱：cnshangyou@163.com）记2025-12-06
为推动北京市科协科学传播共同体建设，合力构建社会化协同科学传播格局，促进全民科学素质提升，服务北京国际科技创新中心建设，北京市科学技术协会联合新华网推出《对话·科学先锋》栏目，本期，北京市农林科学院玉2025-12-06
脱皮年糕爆火，但劝你少吃！“胖过”米饭，还是隐形“血糖炸弹”
脱皮年糕爆火，但劝你少吃！“胖过”米饭，还是隐形“血糖炸弹”2025-12-04 14:49:11 来源：“科普中国”微信公众号2025-12-06
△内塔尼亚胡资料图） 总台记者获悉，当地时间11月16日，以色列总理内塔尼亚胡位于以色列北部城市凯撒利亚的住宅遭轻型炸弹袭击，目前警方已展开调查。总台记者 张卓雅）2025-12-06
最新评论