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，内容铁岭市某某化工涂料运营部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”，成功铁岭市某某化工涂料运营部实验结果显示，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
- 四川宜宾警方悬赏的39岁男子唐亮在云南芒市落网，涉嫌杀害13岁初二女生
- 四川宜宾警方悬赏的39岁男子唐亮在云南芒市落网，涉嫌杀害13岁初二女生
- 多地推进新能源公交车换电池，老化衰减问题已致部分县市公交停运
- 美菲签署了一份关于军事情报的安全协议，中方回应
- 在博物馆休息时被流浪猫抓伤，男子称馆方无安全措施索赔被驳回
- 超40只宠物狗疑中毒死亡 广州宠物行业协会：疑嗅到粉状有毒物质
- 漏气加快！国际空间站陷入“危险状态”
- 太原一社区书记向企业索要名贵香烟现场“分赃”？街道办：已提级处理
- 早安北京1117：最高气温10℃；气温明显下降，注意防寒保暖
- 浙江诸暨重大刑案54岁嫌犯在逃 警方悬赏3万追凶 村民：他杀妻并碎尸