研究：用诗歌就能让AI说违禁内容，成功率达62%
发布时间：2025-12-07 09:47:44 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，内容沧州市某某广告媒体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”，成功沧州市某某广告媒体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
玄彬vs孙艺珍，并肩夺得了影帝影后。韩国青龙奖揭晓，玄彬凭《哈尔滨》斩获最佳男主，孙艺珍以《无可奈何》摘得最佳女主，她也终于实现了韩国电影三大奖青龙、百想、大钟）两轮大满贯，属实罕见。奖项在韩国引起了2025-12-07
新校园、新教材、新模式……本市百万中小学生今起迎来新学期。图为昨日，黄城根小学附属实验分校举行“星辰启航梦想路英雄榜样铸新篇”开学典礼。摄影/本报记者郭谦海淀14所中小学食堂洗消间升级门头沟全域实行贯2025-12-07
汽车以旧换新政策有何调整？享受补贴需满足什么条件？北京官方解答
新京报讯 北京市商务局官微发布《北京市加力支持汽车以旧换新补贴实施细则》政策问答。政策中针对原有的报废更新政策有哪些调整？政策针对《2024年北京市汽车以旧换新补贴实施细则》京商流通字〔2024〕8号2025-12-07
《每日经济新闻》记者发现，8月30日，娃哈哈官网上发布了“冰柜维保及市场投放需求招标公告”，涉及61735个冰柜不同年限的维保和10万个智能冰柜的招标。图为娃哈哈官网截图从今年3月接手娃哈哈之初，宗馥2025-12-07
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
北京时间今日，在NBA常规赛中，湖人队在主场以133-121击败了鹈鹕队。本场比赛，东契奇出战35分04秒，22投9中得到了34分12篮板7助攻1抢断1盖帽，三分球12中4，罚球14中12，出现了2次2025-12-07
原标题：以军称打死巴勒斯坦武装组织一名高级指挥官）2025-12-07
最新评论