研究：用诗歌就能让AI说违禁内容，成功率达62%
发布时间：2026-01-01 12:23:50 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，内容阜阳市某某食品机械经销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”，成功阜阳市某某食品机械经销部实验结果显示，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
理想的2025年有点失意。前段时间，李想坦言：“过去三年我和创业团队努力学习职业经理人的管理体系，逼迫自己接受各种变化，却变成了越来越差的自己。”过去几年每当理想遭遇困难时刻，李想都会通过微博发表自己2026-01-01
如果有一项技术，能让失去行动能力的人重新拿起水杯，也能让重度抑郁者的大脑重回平静，甚至能让人类仅凭“意念”就操控各类设备——这听上去是否像遥远的科幻？但这其实是脑科学与脑机接口正在书写的现实。对于教育2026-01-01
△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，2026-01-01
国家卫健委：全国各省地市检验结果互认超200项2025-12-26 16:36:11 来源：中国新闻网 作者2026-01-01
点“山东教育信息"免费关注韩国工读，免费留学项目申请：0532-89680007 18706597888微）2026-01-01
独角兽孵化“小独角兽”，投谁谁火的智元搅动中国具身智能产业链
出品｜网易科技《锐度》栏目作者｜崔玉贤编辑｜丁广胜“你看智元投资后，年初还没有什么信息的灵猴现在已经变得炙手可热，都快成为一个小独角兽了。”某具身智能关键元器件的创始人郑影化名）感慨道。他满脸的羡慕，2026-01-01
最新评论