研究：用诗歌就能让AI说违禁内容，成功率达62%
发布时间：2026-01-02 12:23:51 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，内容杭州市某某设备厂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”，成功杭州市某某设备厂实验结果显示，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
△资料图 当地时间12月30日，土耳其伊斯坦布尔检察部门宣布，自当天凌晨起，土耳其安全部门在该市开展了针对极端组织“伊斯兰国”的专项打击行动，共抓获嫌疑人110名。 伊斯坦布尔检方称，有情报显示，2026-01-02
江西省水文监测中心06月30日11时35分继续发布洪水橙色预警：受强降雨影响，预计未来3天前后，鄱阳湖可能发生超警戒2.2米左右洪水，目前超警戒1.57米；修河干流永修县河段可能发生超警戒2.7米2026-01-02
当地时间6月29日，乌克兰扎波罗热州军政管理局负责人伊万·费多罗夫表示，当天傍晚扎波罗热州维尔扬斯克市遭俄军袭击，目前已造成6人死亡、8人受伤。另有一处重要基础设施、一家商店和住宅楼受损。 俄罗2026-01-02
售价近三万，苹果Vision Pro中国首销：顶级虚拟现实体验
网易数码讯 6月28日消息，作为全球第二批发售的国家与地区之一，国行版苹果Vision Pro今日正式在国内市场发售。作为苹果公司在虚拟现实VR）和混合现实XR）领域的重磅产品，Vision Pro引2026-01-02
文/观察者网 张家栋 编辑/高莘） 12月29日，零跑汽车发布公告称，中国一汽全资子公司一汽股权投资天津）有限公司以下简称“一汽股权”）和一汽旗新动力长春）科技有限公司以下简称“旗新动力”）在日2026-01-02
今天30日），G4218雅安至叶城国家高速公路拉萨至日喀则机场段项目建成通车，标志着拉萨市至日喀则市高等级公路全线通车。西藏高等级公路总里程达1196公里。 拉萨市至日喀则市高等级公路总长度为22026-01-02
最新评论