最新研究揭示了一个值得警惕的现象：研究人员将危险指令转化为诗歌形式，竟成功突破了多家主流人工智能大语言模型的安全防护机制。这项题为《对抗性诗歌：一种通用的单轮大语言模型越狱机制》的研究由伊卡洛实验室团队完成，其核心发现表明，语言模型的安全防护体系在面对特定形式的文本诱导时，存在明显漏洞。

实验过程中，研究人员将涉及武器制造、违禁内容等敏感指令通过诗歌形式重新编码后输入模型。结果显示，这种"越狱诗歌"的整体成功率高达62%，能够诱导模型生成原本被禁止输出的信息。研究团队特别指出，诗歌特有的韵律结构和隐喻表达方式，可能会干扰模型对指令内容的识别判断能力。

在测试的多个模型中，Google Gemini、DeepSeek和MistralAI的表现尤其令人担忧——这些模型在所有测试场景中均未能有效拦截违规请求。相比之下，OpenAI的GPT-5系列和Anthropic的Claude Haiku 4.5展现出更强的防护能力，成为测试中最难被突破的模型。研究人员认为，这种差异可能与不同模型的安全训练强度和内容过滤机制有关。

虽然研究论文未公开完整的"越狱诗歌"样本，但团队向科技媒体透露，这些诗句包含的诱导信息具有潜在危险性，因此不宜公开传播。不过论文中仍提供了一个经过脱敏处理的示例，用以证明这种攻击方式的可行性。研究负责人强调："实验结果证实，绕过AI安全防护的难度远低于公众预期，这正是我们需要保持谨慎的重要原因。"

目前该研究已引发人工智能安全领域的广泛关注。有专家指出，随着大语言模型应用场景不断拓展，此类攻击手段可能带来严重伦理风险。部分模型开发者表示，将根据研究结果升级防护系统，重点优化对隐喻性指令的识别能力。但也有观点认为，完全杜绝此类攻击在技术层面存在挑战，需要建立更完善的内容安全评估体系。