arXiv：cs.CL（计算语言学，全量分类）· Rikhiya Ghosh, Himanshu Kumar, Sriram Venkatapathy, Sahil Wadhwa, Alexandre G. R. Day, Pranab Mohanty·· 1 天前AI 评分39
FinRT：将自适应红队策略蒸馏为消费金融可复用对抗生成器
FinRT: Distilling Adaptive Red-Teaming Strategies into Reusable Adversarial Generators in Consumer Finance
AI 导读
FinRT 将自适应红队策略蒸馏为可复用的对抗提示生成器，在消费金融六个受害模型上把攻击成功率从 Rainbow Teaming 的 17.2% 提升至 32.9%，接近翻倍，最大对抗严重度提高 33%。该方法在保持与迭代搜索相当的策略域内语义多样性的同时，具备较高的跨模型迁移性，并呈现不同的受害模型族特化模式。
来源：arXiv：cs.CL（计算语言学，全量分类） · arxiv.org