REPRO：反射式进化提示优化红队框架

2026年10月15日，arXiv 人工智能板块出现论文预印本，作者 Abrar Alotaibi 与 Moataz Ahmed 提出 REPRO（Reflective Evolutionary Prompt Optimization），一个纯黑盒的对抗提示优化框架，通过进化优化发现对抗提示，整个搜索由单个消费级 GPU 上压缩的开源权重 7B 反思模型驱动。据该论文称，在其协议下，REPRO 在 AdvBench、JailbreakBench 和 HarmBench 上覆盖 11 个家族共 36 个目标模型，单轮对每个评估目标均达到 100% 攻击成功率（ASR），每个行为中位查询 24 次。论文同时说明，优化过程中给候选打分的评判器也产生所报告的 ASR，搜索在接受时即停止，因此 ASR 反映的是搜索在迭代预算内是否成功，而非固定预算下的成功率；所有基线数字均转录自各自原论文，其评判器、预算与模型版本不同，故论文将其定位为同一协议下的模型覆盖目录，而非直接对比排名。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。