研究：用诗歌就能让AI说违禁内容，成功率达62%
发布时间：2025-12-05 01:09:54 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，内容石家庄市某某生态科技销售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”，成功石家庄市某某生态科技销售部实验结果显示，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
△约旦河西岸资料图） 总台记者12月1日获悉，自当天凌晨起，以色列军队再次对约旦河西岸多地展开大规模军事行动。以军突袭了图巴斯市的居民住宅，逮捕1名青年，并在街区实施宵禁并用土堤封锁主要入口。 当2025-12-05
据@气象北京 消息，受东移南下回波影响，北京房山和门头沟局地出现降水，最近1小时最大降水出现在房山金鸡台，3.0毫米。目前回波东南移动有所加强，预计当前至19时，房山区和门头沟区有雷阵雨天气，局地可能2025-12-05
刚刚过去的“五一”小长假，北京商业市场交出令人满意的成绩单。5月6日，北京市商务局发布数据显示，“五一”期间，全市60个重点商圈客流量达3586.9万人次，同比增长2.5%，消费金额达到99.2亿元。2025-12-05
只要俄罗斯与西方之间仍保留外交关系，甚至外交关系并未降级，这就很能说明问题。显然，乌克兰与西方现在的关系根本就不是结盟关系。没有西方国家与乌克兰同进同出。文 | 海上客五一国际劳动节假期，小伙伴们有没2025-12-05
△加沙地带资料图） 当地时间3日，以色列国防军发布声明称，当天早些时候，巴勒斯坦伊斯兰抵抗运动哈马斯）武装组织在加沙地带拉法地区公然违反停火协议，武装人员袭击了正在当地部署的以色列军队，造成5名2025-12-05
5月8日，由国家大剧院制作创排的全新作品——意大利剧作家哥尔多尼的经典喜剧名作《一仆二主》在北京举行新闻发布会。国家大剧院副院长张尧、导演王剑男、主演董汶亮、杨淇、郭烁杰等主创主演集体亮相，介绍精彩看2025-12-05
最新评论