研究：用诗歌就能让AI说违禁内容，成功率达62%
发布时间：2026-01-04 00:07:22 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，内容延安市某某超声设备有限公司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”，成功延安市某某超声设备有限公司实验结果显示，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
来源：直新闻 据日媒1月1日报道，高市早苗此前一天在社交平台X发文回顾2025年时，提到自己在刚入住的公邸过年，称“还没遇到传说的‘鬼怪’”。 日本众议院预算委员会早前要求高市尽快从议会宿舍搬2026-01-04
总台记者获悉，当地时间11月23日，日本神户港附近海域发生了船舶相撞事故，在本起事故中，共有3人落水。截至目前，2人被救起，其中1人是在倾覆的拖船内发现的，已确认死亡。仍有1人下落不明。总台记者2026-01-04
据香港天文台的初步分析，2024年11月22日20时40分台湾发生一次4.7级地震，震中位于北纬23.21度，东经120.23度附近，即嘉义之西南偏南约32公里即距离香港之东约630公里），震源深2026-01-04
11月17日新房成交169套、二手房167套；涨价房源149套
根据北京市住房和城乡建设委员会数据显示，2024年11月17日北京新建商品房成交169套，较昨日减少177套，环比下降51.2%。近一周北京新建商品房日均成交327套。11月17日单日成交169套，低2026-01-04
俄公布总统官邸遇袭细节 乌欧“不认” 郑昊宁 俄罗斯国防部2025年12月31日公布俄总统普京位于俄西北部的官邸遇袭细节后，乌克兰方面和欧洲方面随后回应称，俄方说法是“假的”“没有证据”。2026-01-04
时间：北京时间2024年11月15日23时13分地点：海南文昌发射场任务：天舟八号货运飞船向天宫空间站发送“快递”任务详情：一文速览天舟八号“小时达”全过程“快件”发货收货地址：天宫北京时间2024年2026-01-04
最新评论