REPRO：单卡7B模型驱动的自动红队测试框架

Abrar Alotaibi 与 Moataz Ahmed 提交论文，提出纯黑盒框架 REPRO，用压缩开源 7B 反思模型在单块消费级 GPU 上驱动进化优化来发现对抗提示词，并引入语义交叉与基于 Thompson 采样的贝叶斯策略选择。 据论文称，在其协议下 REPRO 对所有被测目标单轮达到 100% 攻击成功率，每个行为中位消耗 24 次目标查询。作者同时说明，优化中给候选打分的评判模型也产生所报告的 ASR，且搜索一旦被接受即停止，因此该指标反映的是搜索在迭代预算内是否成功，而非固定预算下的成功率；所有基线数据取自各自原论文，评判模型、预算和模型版本均不同，所以论文将其定位为同一协议下的模型覆盖清单，而非直接对比排名。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。