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,内容厦门市某某洗涤用品培训中心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”,成功厦门市某某洗涤用品培训中心实验结果显示,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。”
- ·人宠“双向奔赴” 毛孩子融入家庭“品质生活”
- ·北约要把手伸到中国家门口?外交部连续三天回应
- ·轻松一刻:这个曲线,是自然的吗?
- ·上天入海
- ·没矿的家庭,务必要培养孩子这4种爱好
- ·伊朗当选总统:已准备好与阿拉伯国家进行建设性对话
- ·伊拉克民兵武装称使用无人机袭击以色列境内多地
- ·香港医学机构发现脂肪肝可致乳腺癌恶化
- ·台湾台东县附近发生5.5级左右地震
- ·事关转融券、量化交易,证监会重磅发布
- ·长江三峡集团、南水北调集团总经理均已到任
- ·交通局回应萝卜快跑抢网约车司机饭碗:行业比较稳定
- ·水牛奶、牦牛奶、羊奶、骆驼奶……奶越贵越好吗?
- ·陪孩子一起,把挫折变成“养分”
- ·哥伦比亚副总统车队遇袭 无人伤亡
- ·油罐车混装风波关联企业一览,涉事企业多款商品下架
