arXiv · Computation and Language· Rikhiya Ghosh, Himanshu Kumar, Sriram Venkatapathy, Sahil Wadhwa, Alexandre G. R. Day, Pranab Mohanty·· 6 小时前AI 评分38
FinRT：将自适应红队策略蒸馏为可复用的对抗生成器
FinRT: Distilling Adaptive Red-Teaming Strategies into Reusable Adversarial Generators in Consumer Finance
AI 导读
FinRT 框架将自适应红队策略蒸馏为可复用的对抗提示生成器，在六个消费金融 victim 模型上攻击成功率 32.9%，较 Rainbow Teaming 基线 17.2% 翻倍，最大对抗严重性提升 33%，并保持与迭代搜索方法相当的语义多样性。
来源：arXiv · Computation and Language · arxiv.org