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,内容杭州市某某工业设备专卖店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”,成功杭州市某某工业设备专卖店实验结果显示,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。”
- ·美国内华达州发生5.9级地震
- ·事关月球探索,中美正在争这个
- ·中信建投:A股市场已经进入新阶段 应该以牛市思维做出投资决策
- ·北京秋雨上线,预计11时左右起城区大部有雨
- ·谷歌对OpenAI见招拆招
- ·前面还有1053桌......等位!等位!等位!
- ·撤离令发布后 以军再次袭击黎首都南郊
- ·【WTT北京大满贯】孙颖莎再胜王曼昱,时隔21天再夺女单冠军
- ·近视就不会老花吗?哪些人群老花更早?医生解答
- ·王楚钦/梁靖崑获WTT中国大满贯赛男双冠军
- ·新西兰一军舰起火搁浅沉没
- ·借用及出借证券期货账户,超级牛散王孝安、方士雄遭证监会顶格处罚
- ·高市早苗被控涉嫌违规收受企业政治捐款
- ·国庆假期前4天北京重点商圈客流增两成
- ·WTT中国大满贯今日收官:孙颖莎vs王曼昱,马龙vs林诗栋
- ·提醒!北京下半年小客车指标申报10月8日截止
