一項最新研究顯示，通過將指令轉化為詩歌形式，研究人員成功突破了多款主流人工智能大語言模型的安全防護機制。這項題為《對抗性詩歌：一種通用的單輪大語言模型越獄機制》的研究，由伊卡洛實驗室團隊完成，其核心發現表明，語言模型的防護體系在特定形式的文本誘導下存在顯著漏洞。

實驗過程中，研究人員將涉及制造核武器、兒童性虐待材料及自殺自殘等敏感內容的指令，以詩歌形式重新編碼后輸入模型。結果顯示，這種"越獄詩歌"整體成功率達62%，能夠誘導模型生成原本被禁止輸出的信息。研究團隊特別指出，詩歌的韻律結構和隱喻表達方式，可能干擾了模型對指令內容的識別判斷。

在測試的多個模型中，Google Gemini、DeepSeek和MistralAI的表現尤為突出——這些模型在所有測試場景中均未能有效攔截違規請求。相比之下，OpenAI的GPT-5系列和Anthropic的Claude Haiku 4.5展現出更強的防護能力，成為測試中最難被突破的模型。研究人員認為，這種差異可能與不同模型的安全訓練強度和內容過濾機制有關。

盡管研究論文未公開完整的"越獄詩歌"樣本，但團隊向科技媒體透露，這些詩句包含的誘導信息具有潛在危險性，因此不宜公開傳播。不過論文中仍提供了一個經過脫敏處理的示例，用以證明這種攻擊方式的可行性。研究負責人強調："實驗結果證明，繞過AI安全防護的難度遠低于公眾預期，這正是我們保持謹慎的重要原因。"

目前該研究已引發人工智能安全領域的廣泛關注。有專家指出，隨著大語言模型應用場景不斷拓展，此類攻擊手段可能帶來嚴重倫理風險。部分模型開發者表示，將根據研究結果升級防護系統，重點優化對隱喻性指令的識別能力。但也有聲音認為，完全杜絕此類攻擊在技術層面存在挑戰，需要建立更完善的內容安全評估體系。