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 13:06:36 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
中国地震台网自动测定：12月27日23时05分在中国台湾地区附近北纬24.66度，东经122.35度）发生6.5级左右地震，最终结果以正式速报为准。 杭州有震感，“灯都在晃” 钱江三桥附近的赵2026-01-02
来源：财联社 财联社11月5日电，特朗普周一在宾夕法尼亚州匹兹堡的一次竞选集会上表示，如果他在周二当选，他将大规模驱逐移民。2026-01-02
高中英语的题目本质上每一道题都是属于“阅读理解”，看得懂就会做，只不过答题的方式不一样而已。但是高中英语并没有逻辑思维难度，我们把英语试卷翻译成中文，让大家当做语文来做，小学五年级的学生都可能拿满分。2026-01-02
为什么有人吃红薯是减肥，有人吃红薯却是增肥？真相到底是什么？
红薯作为生活中常见的一类粗粮食物，喜欢食用它的人也不在少数，红薯含有丰富的膳食纤维以及维生素等营养成分，摄入后能够很好地增强饱腹感，同时也能满足机体的营养需求。当然，关于红薯，人们对它也存在一些争议，2026-01-02
北京交警发布提示：自2025年12月29日至2026年3月29日，星期一至星期五限行机动车车牌尾号分别为：3和8、4和9、5和0、1和6、2和7。 同时，2026年1月1日至1月4日，对北京市机2026-01-02
女子因长时间穿“光腿神器”进医院！没想到它也是个健康“杀手”！
秋冬换季天气转凉，不少爱美女性换上了“光腿神器”或静脉曲张袜，本以为既保暖又美观，但却引发了健康问题。近日，有关“光腿神器”引发甲沟炎、下肢水肿等疾病引起网友热议，甚至被戏称为“美丽刑具”。11月1日2026-01-02
最新评论