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,内容阳江市某某计算机服务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”,成功阳江市某某计算机服务中心实验结果显示,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。”
- ·杨千嬅香港演唱会,全场默哀
- ·4件便宜又实用的收纳神器!告别脏乱差!租房、宿舍必备!
- ·成熟女人穿衣要化繁为简!裤子不多买、裙子不乱配,更显气质
- ·以色列急救组织:18人在也门导弹来袭期间受伤
- ·阿里1688启动“寻源中国”供应链
- ·章泽天和TOD’S在地中海沿岸共度意式匠心之旅
- ·秋冬流行包款,就在这里面选!
- ·0基础化妆小白,进!这才是韩国人该申遗的,简直彩妆界的张元英
- ·张近东家族,资产真要清零了......
- ·笑麻了!赵丽颖手劲大,内娱皆知!肖央锐评:三搭想演颖宝她爸!
- ·章子怡汪峰带娃出游,围着儿子互动和拍照,弟弟向妈妈撒娇求抱抱
- ·特斯拉很快将向更多Cybertruck车主推送自动泊车服务
- ·张近东家族,资产真要清零了......
- ·看了日本主妇的打扮才明白,“不扮嫩”也是一种优雅,好得体
- ·中国品牌单车利润排行出炉,比亚迪跌出前三,一台车约赚8500元
- ·刀郎泪洒成都演唱会,出走十年,归来仍是顶流!
