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 16:10:39 作者:玩站小弟
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
12月29日,外交部发言人林剑主持例行记者会。 路透社记者提问,有说法称中国促成了此次柬泰达成停火协议,请问这是否准确?中国在新一轮冲突后进行的调解努力与以往的努力有何不同? “我刚才已提到,2026-01-02
人民网北京5月13日电 记者杜燕飞)发展好绿色金融,是支持实体经济绿色转型、实现金融高质量发展的重要内容,也是应对气候变化风险的重要方面。中国人民银行、生态环境部、金融监管总局、中国证监会日前联合召开2026-01-02
新东方《中国学生出国留学发展报告》正式发布2026-01-02
出品|网易科技《态度》栏目组作者|闫妍编辑|丁广胜16日晚间,京东集团发布了2024年一季度业绩,收入和净利润双超市场预期。一季度,京东集团收入达到2,600亿元人民币,同比增长7.0%。其中,服务收2026-01-02
加拿大安大略省笔译口译协会atio)认证翻译、加拿大认证esl老师、留学申请顾问。承接驾照、结婚证、房产证、出生证、户口本、身份证、疫苗证、诊断书、体检报告、护照、出入境记录、银行流水、资产证明、完税2026-01-02
本文转自:人民网-四川频道世界闻名的人文自然景观,代代传承的非物质文化遗产,精美的文创产品和峨眉山茶……5月16日至19日,第二届香港国际文化创意博览会以下简称香港文博会)在香港亚洲国际博览馆举办,乐2026-01-02

最新评论