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 14:35:59 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，内容镇江市某某软件科技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”，成功镇江市某某软件科技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
出品丨花朵财经观察FF-Finance）撰文丨华见俞敏洪又一次被推至风暴中心。11月16日，新东方迎来32岁生日，创始人俞敏洪从南极发回一封内部感谢信。信中五次描绘南极的浩瀚与宁静，借企鹅的坚守比喻团2025-12-05
@TuTouSuo™️*小红书：秃头研究所新传考研*2025经验帖专栏：首先恭喜2024届的赛博朋友们成功上岸，过去的一年时间里我们曾一起“以理想入世，对抗荒谬世界”，如今一切都已尘埃落定。这一路，你2025-12-05
上海漕河泾印象城“JUMP INTO 3”三周年庆近日开启，以此为契机打造的“INTO解气有限公司”特色主题活动也于当天招牌揭幕。通过一系列精神共鸣的治愈放松体验，上海漕河泾印象城希望能深度链接漕河泾2025-12-05
全国古茶树超5624万株 97%以上分布在云南2024-05-21 13:28:31 来源：央视新闻客户端2025-12-05
河北邢台“一家五口被害”案凶手获死刑：自首情节不足以从轻处罚
2025年11月28日，河北省邢台市隆尧县一家五口被邻居杀害案宣判，被告人范孟奇犯故意杀人罪，被判处死刑，剥夺政治权利终身。被害的一家五口据封面新闻报道，邢台市中级人民法院认为，被告人范孟奇故意非法剥2025-12-05
为了“榴莲自由”自己买树苗种？别上当了！2024-05-17 10:01:36 来源：羊城晚报 作者：姜雨薇2025-12-05
最新评论