arXiv 自然语言处理· Rikhiya Ghosh, Himanshu Kumar, Sriram Venkatapathy, Sahil Wadhwa, Alexandre G. R. Day, Pranab Mohanty·· 1 天前AI 评分34
FinRT：在消费金融中将自适应红队策略蒸馏为可复用对抗生成器
FinRT: Distilling Adaptive Red-Teaming Strategies into Reusable Adversarial Generators in Consumer Finance
AI 导读
研究人员推出 FinRT 结构化框架，将自适应红队策略构建为可复用的对抗提示词生成器，用于消费金融领域的模型安全测试。在 6 个受害模型上的测试显示，FinRT 相比自适应基线 Rainbow Teaming 将攻击成功率从 17.2% 提升至 32.9%，并将最大对抗严重程度提高 33%。该方法在保持语义多样性的同时还实现了高跨模型迁移能力。
来源：arXiv 自然语言处理 · arxiv.org