2607.26115
2026-07-30
cs.CR
cs.AI
cs.CL
cs.LG
新提交
86%
GPT-Red: Automated Red Teaming via Self-Play at Scale
GPT-Red:基于大规模自博弈的自动化红队测试
Eric Wallace, Christopher A. Choquette-Choo, Nikhil Kandpal, Sam Toyer, Dylan Hunn, Stephanie Lin, Yuxin Wen, Xiangyu Qi, Christopher Wolff, Zizhao Wang, Milad Nasr, Sicheng Zhu, Chuan Guo, Juan Felipe Cerón Uribe, Kaiwen Wang, Aiden Low, Kai Xiao, Kai Chen
专题命中
后训练与偏好优化
:LLM(summary_cn,abstract);post-training(abstract);分类 cs.CL、cs.AI、cs.LG
AI总结
本研究推出GPT-Red,一种基于大规模自博弈的自动化红队测试智能体,可发现新型提示注入攻击、攻破过往模型且泛化能力强,用于提升LLM鲁棒性并形成自我改进飞轮。