2025年12月1日，一项创新研究表明，将提示内容转换为诗歌形式，能够有效规避当前主流大语言模型的安全过滤机制。这项名为"对抗性诗歌：突破通用单轮大语言模型内容限制的通用策略"的研究证实，通过富有创意的诗意表达，可以在不改变核心含义的前提下绕开人工智能系统的审查限制。

研究发现，以诗歌结构组织的输入提示具备较强的通用绕过能力，整体成功率高达62%，足以诱导多个主流大语言模型生成通常被禁止的内容，包括涉及危险武器制造、儿童保护相关违规信息，以及鼓励自我伤害等高风险内容。

实验覆盖了当前广泛应用的多种模型，涵盖来自不同开发方的代表性系统。测试结果显示，部分模型在面对此类诗歌提示时几乎毫无防备，普遍给出了违反安全规范的回答，而少数模型则表现出较强的防御能力，能够在多数情况下维持原有内容策略，避免输出违规信息。

尽管研究团队未公开所使用的具体诗例内容，但明确表示相关示例因潜在风险过高而不适合对外发布。论文中提供了一个经过处理的简化版本，用以展示这种攻击方式的基本原理。研究人员指出，此类方法的操作门槛较低，实现难度远小于公众普遍认知，这也正是该研究值得警惕的关键所在。他们强调，随着模型应用日益广泛，对新型规避手段的防范需引起足够重视。