安全paper·· 5 天前推荐指数69
arXiv论文提出角色分离的自改进红队方法，目标Agent自评更有效但不宜自提攻击
The Target Agent Is Its Own Best Critic but a Poor Proposer: Self-Improved Red Teaming
AI 导读
论文 arXiv:2610.34965（Mintong Kang、Stephen Rawls、Melissa Kazemi Rad、Jian Ni、Bo Li）研究基于 LLM 的自动红队。
来源：安全paper · aisecurity.ninja