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,内容鄂州市某某食品机械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”,成功鄂州市某某食品机械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。”
- ·2块钱的红薯,真不如4块的紫薯吗?
- ·明道为陈乔恩婚礼献唱,安以轩遗憾没去,乔任梁父母送祝福
- ·卡佩罗:亚伯拉罕搭档莫拉塔效果很好,小因扎吉的换人让我困惑
- ·钉钉发布“365会员” 面向个人提供AI产品包 AI搜索也来了
- ·云南澜沧通报竹塘乡露天垃圾堆放问题事件处置进展
- ·卡佩罗:亚伯拉罕搭档莫拉塔效果很好,小因扎吉的换人让我困惑
- ·纳帅:特尔施特根受伤的消息对我们来说是一个巨大的打击
- ·扎克伯格:如果领导者不懂技术,那就不是一家科技公司
- ·AI独立解决三十年数学问题的变体,陶哲轩分享自动化研究经验
- ·塞尔电台:曼城在初步检查后排除了罗德里重伤的可能性
- ·突发!这家A股,董事长、总经理、董秘集体辞职!发生了什么?
- ·一代大侠徐少强追思会!子女悲伤发文思念亡父,好友留言安慰
- ·俄称已控制红军城和沃尔昌斯克
- ·哈兰德杀疯了!狂喷塔帅保持谦虚,怒骂热苏斯,用球砸加布后脑
- ·维修网站iFixit:iPhone 16是史上最容易维修的苹果手机
- ·迷惑行为,记者问1995年出生的希洪球员是否在1992年对皇马进过球
