arXiv · NLP· Abrar Alotaibi, Moataz Ahmed·· 2026-10-14AI 评分33
REPRO:面向自动化 LLM 红队测试的反思进化提示优化器
REPRO: Reflective Evolutionary Prompt Optimizer for Automated LLM Red-Teaming
AI 导读
REPRO 是一个纯黑盒框架,利用 7B 反思模型在单卡消费级 GPU 上通过进化优化发现对抗提示。 其引入语义交叉和贝叶斯策略选择机制,在 11 个模型族的 36 个目标模型上均达到 100% 攻击成功率。
来源:arXiv · NLP · arxiv.org