研究:用诗歌就能让AI说违禁内容,成功率达62%
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,内容平顶山市某某形象策划维修网点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”,成功平顶山市某某形象策划维修网点实验结果显示,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。”
- ·从2026年北京选调拟录用名单看升学:这些大学最受青睐
- ·地母系美人,标准美女之外的力量感
- ·内娱第一美人,消失8年了
- ·新版《喋血双雄》过分迎合欧美,空洞乏味,吴宇森时代一去不复返
- ·泰国执政党自豪泰党提名2名总理候选人
- ·61岁倪夏莲:1983年世乒赛我确实让球了,遗憾的是没有人让过我!
- ·辛巴和小杨哥大闸蟹之战?辛巴炮轰:商业模式模仿我,背后还搞我
- ·郑钦文无缘美网四强登热搜第1!近三年成绩稳步提升 央媒:很棒了
- ·刚刚,很多杭州人感到楼在摇!哪里地震了?
- ·伊东纯也:首战非常重要会争取胜利,希望能有个好的开始
- ·利桑德罗:我们的队长是梅西,无论谁佩戴袖标都会受到球队欢迎
- ·有球迷劝尼科来皇马,尼科本人回应:别开玩笑了兄弟
- ·美国马里兰州发生涉移民执法人员枪击事件 2人受伤
- ·黄心颖给50岁老公庆生,点白蜡烛惹争议,夫妻搂抱开怀灿笑
- ·反转!郑钦文疑遭干扰辱骂后续:多位现场观众发声,还原真实情景
- ·世体:克罗斯在业余比赛大放异彩,开始享受全新生活
