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,内容抚顺市某某路桥科技售后客服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”,成功抚顺市某某路桥科技售后客服中心实验结果显示,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。”
- ·被嘲“最丑阿紫”的她,成名后抑郁想轻生,如今她活得让全网羡慕
- ·首映|亚新入围影片《岁岁平安》:少女的枪
- ·女生康复状态“被关”精神病院多年,20岁入院出院时已34岁
- ·首映|亚新入围影片《岁岁平安》:少女的枪
- ·更5集收视破2!柳岩成功让观众入坑,连看4集后,央视这次押对宝
- ·福建龙岩溪口镇15个村断联 武警消防徒步给村民送物资
- ·AI发现冠心病罕见变异基因
- ·首映丨《刺猬》:葛优、王俊凯演绎被“卡住”的人生
- ·业主“抱团保价”,只是最后的倔强
- ·怕受凉不开空调 老年人小心“沉默中暑”
- ·竞彩欧洲杯|英格兰豪取两连胜,意西强强对话或平局收场
- ·全国高温预警已连发13天,最热时段还未到来
- ·柳州大叔挖蚯蚓,竟挖出近60斤重“大宝贝”,来自千年前!
- ·薰衣草进入盛花季 紫色“浪漫之旅”带火新疆伊犁旅游
- ·65场演出、11个夏令营,共同“打开艺术之门”
- ·强降雨致福建58万余人受灾 当地积极开展抢险救援
