研究者提出QDRT红队框架自动生成多样攻击

2026年10月22日，arXiv人工智能板块刊出研究，Ren-Jian Wang等作者提出质量-多样性红队测试框架QDRT，旨在解决既有红队方法在攻击多样性与有效性上的局限。该框架通过行为条件训练和行为回放缓冲区实现目标驱动的多样性，并训练多个专门化攻击者，以覆盖不同攻击风格与风险类别。研究者在GPT-2、Llama-3、Gemma-2、Qwen2.5以及商用模型GPT-4.1、GPT-5-Chat上测试，称QDRT生成的攻击更多样也更有效，相关代码已公开。目前该工作处于论文发布阶段，报道未提及同行评审、第三方复现或实际部署情况。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。