研究：用诗歌就能让AI说违禁内容，成功率达62%
发布时间：2026-01-10 14:20:54 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，内容武威市某某管道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”，成功武威市某某管道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
来源：财联社 财联社1月4日电，据央视新闻报道，俄罗斯国防部1月4日发布战报称，俄军已控制哈尔科夫州的波多雷定居点。过去一天，俄军在苏梅、哈尔科夫、顿涅茨克、扎波罗热、及赫尔松方向等多地打击乌军2026-01-10
加里-内维尔批评了所有曼联球员，指责他们在对阵西汉姆联时缺乏紧迫感，除了B费。在加里-内维尔播客中，他表示：“我们在这里输过比赛，也在这里打平过比赛。我们打平过大比赛，有时也会打平一些所谓的较小比赛，2026-01-10
根据意大利媒体《晚邮报》的报道，法布雷加斯在离开科莫后，大概率会执教曼城或巴塞罗那。报道称，法布雷加斯有望成为弗里克在巴塞罗那或瓜迪奥拉在曼城的继任者。一旦他决定离开科莫，他不太可能继续在意甲执教其他2026-01-10
2026年美加墨世界杯，葡萄牙队与哥伦比亚队同组，据统计，C罗在世界杯对阵南美球队仍0球0助。C罗此前在世界杯出场22次，一共打入8球，送出2次助攻，但在世界杯赛场上对阵南美球队，C罗还没有收获进球或2026-01-10
1月1日起，2026年消费品以旧换新补贴正式落地，国补政策迅速点燃了消费者的换新热情。其中，北京地区国补消费异常火爆。据悉，1月1日零点国补在京东上线后，北京国补资格当即秒空，一时出现了僧多粥少的2026-01-10
据日本广播协会NHK）报道，当地时间9日凌晨，日本气象厅和内阁府针对青森县附近海域7.5级地震首次发布“北海道·三陆沿海续发地震注意情报”。 报道称，这意味着今后一周左右相关震源区域附近发生大地2026-01-10
最新评论