研究：用诗歌就能让AI说违禁内容，成功率达62%
发布时间：2025-12-10 23:50:22 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，内容泰安市某某高温材料教育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”，成功泰安市某某高温材料教育中心实验结果显示，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。”
相关文章
当前生成式人工智能的快速迭代升级，正推动教育的全方位重构。未来学习会变成什么样？12月5日在华东师范大学举办“未来学习与未来高等教育”研讨会上，全国多所高校及教育界的专家学者谈到，大学要积极应对生成式2025-12-10
TTS新传论文带读：感觉“数字新闻业”这个概念真的要考哎!!!
@TuTouSuo™️*小红书账号：秃头研究所新传考研/秃头研究所Monsters*如果你觉得自己读论文太过于盲目，不知道从哪里开始；如果你也想要通过碎片化的时间来补充和拓展知识储备；如果你想要一份直2025-12-10
温州已有学校率先实行““课间一刻钟”！加长版课间，他们这么玩……
加长版课间从今年秋季学期开始，北京市义务教育学校课间从10分钟延长至15分钟，引起全国广泛关注。连日来，山东、江苏、福建等地多个城市纷纷效仿，推进“课间一刻钟”，引导学生走出教室，享受健康活力的校园生2025-12-10
据多家港媒报道，11月30日，香港警方灾难遇害者辨认组人员继续到宏福苑各大厦搜索，至接近中午时分再抬走遗体。消息称，遗体是在宏盛阁发现。 相关新闻 香港各界积极行动，帮助灾民渡过难关央视）2025-12-10
12月3日下午，家住北京大兴区的崔老先生经历了惊魂一刻，家中一台使用多年的电视机突然冒烟起火，插座处冒出火花，迅速引燃周边堆积的可燃物。老人面对火情一时慌乱，幸得家人及时发现并报警，消防救援人员到场后2025-12-10
来源：直播吧 直播吧12月1日讯 温格近日在多哈接受CNN的采访时，以国际足联全球足球发展主管的身份对阿森纳进行了评价。 温格说道：“阿森纳不需要我了，但我一直是他们的忠实支持者。” 当被问2025-12-10
最新评论