研究：用诗歌就能让AI说违禁内容，成功率达62%
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，内容深圳市某某建材维修网点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”，成功深圳市某某建材维修网点实验结果显示，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：
栏目分类
最新文章
- 东契奇34+12+7湖人击败鹈鹕7连胜，里夫斯33+5+8艾顿22+12
- 赵丽颖没想到，离婚4年，她那“听话”的47岁前夫，再次迎来喜讯
- 破禁忌！93岁胡枫执意为老友扶灵，临终一幕让刘德华都送花圈
- 演唱会“碰瓷”欧豪，40岁岳云鹏面临人生新挑战
- 河北秦皇岛：8.45万吨级多用途纸浆船交付
- 直到央视公开“点名”朱亚文，才明白，原来李幼斌一个字都没说错
- 东契奇仅用15场拿到赛季500分100板100助，追平自己保持的NBA最快纪录
- 里夫斯本赛季仅1394万美元 如今连续三场30+分 助湖人11月11胜2负
- 河北秦皇岛：8.45万吨级多用途纸浆船交付
- 众星为香港大火捐款，韩红基金会捐款千万，霍启刚代表家族支援