arXiv cs.CL· Rikhiya Ghosh, Himanshu Kumar, Sriram Venkatapathy, Sahil Wadhwa, Alexandre G. R. Day, Pranab Mohanty·· 4 小时前AI 评分40
FinRT：将自适应红队策略蒸馏为消费金融中的可复用对抗生成器
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对抗提示生成器，在消费金融六个受害模型上将攻击成功率从 Rainbow Teaming 的 17.2% 提升至 32.9%。最大对抗严重性提高 33%，并保持与迭代搜索方法相当的策略域内语义多样性。该方法具备高跨模型迁移性，并呈现不同的受害模型家族特化模式。
来源：arXiv cs.CL · arxiv.org