Automated Progressive Red Teaming
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Jiang, Bojian, Jing, Yi, Shen, Tianhao, Wu, Tong, Yang, Qing, Xiong, Deyi |
|---|---|
| Format: | Preprint |
| Publié: |
2024
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
Prompt Optimization and Evaluation for LLM Automated Red Teaming
par: Freenor, Michael, et autres
Publié: (2025)
par: Freenor, Michael, et autres
Publié: (2025)
Learning-Based Automated Adversarial Red-Teaming for Robustness Evaluation of Large Language Models
par: Wei, Zhang, et autres
Publié: (2025)
par: Wei, Zhang, et autres
Publié: (2025)
Training a General Purpose Automated Red Teaming Model
par: Padmakumar, Aishwarya, et autres
Publié: (2026)
par: Padmakumar, Aishwarya, et autres
Publié: (2026)
Resource Consumption Red-Teaming for Large Vision-Language Models
par: Gao, Haoran, et autres
Publié: (2025)
par: Gao, Haoran, et autres
Publié: (2025)
Watermarking Conditional Text Generation for AI Detection: Unveiling Challenges and a Semantic-Aware Watermark Remedy
par: Fu, Yu, et autres
Publié: (2023)
par: Fu, Yu, et autres
Publié: (2023)
RedTWIZ: Diverse LLM Red Teaming via Adaptive Attack Planning
par: Horal, Artur, et autres
Publié: (2025)
par: Horal, Artur, et autres
Publié: (2025)
SafeSearch: Automated Red-Teaming of LLM-Based Search Agents
par: Dong, Jianshuo, et autres
Publié: (2025)
par: Dong, Jianshuo, et autres
Publié: (2025)
GenBreak: Red Teaming Text-to-Image Generators Using Large Language Models
par: Wang, Zilong, et autres
Publié: (2025)
par: Wang, Zilong, et autres
Publié: (2025)
MIRAGE: Multimodal Immersive Reasoning and Guided Exploration for Red-Team Jailbreak Attacks
par: You, Wenhao, et autres
Publié: (2025)
par: You, Wenhao, et autres
Publié: (2025)
ContextualJailbreak: Evolutionary Red-Teaming via Simulated Conversational Priming
par: Béjar, Mario Rodríguez, et autres
Publié: (2026)
par: Béjar, Mario Rodríguez, et autres
Publié: (2026)
Adaptive Instruction Composition for Automated LLM Red-Teaming
par: Zymet, Jesse, et autres
Publié: (2026)
par: Zymet, Jesse, et autres
Publié: (2026)
Red Teaming the Mind of the Machine: A Systematic Evaluation of Prompt Injection and Jailbreak Vulnerabilities in LLMs
par: Pathade, Chetan
Publié: (2025)
par: Pathade, Chetan
Publié: (2025)
Holistic Automated Red Teaming for Large Language Models through Top-Down Test Case Generation and Multi-turn Interaction
par: Zhang, Jinchuan, et autres
Publié: (2024)
par: Zhang, Jinchuan, et autres
Publié: (2024)
RedAgent: Red Teaming Large Language Models with Context-aware Autonomous Language Agent
par: Xu, Huiyu, et autres
Publié: (2024)
par: Xu, Huiyu, et autres
Publié: (2024)
T-MAP: Red-Teaming LLM Agents with Trajectory-aware Evolutionary Search
par: Lee, Hyomin, et autres
Publié: (2026)
par: Lee, Hyomin, et autres
Publié: (2026)
SAGE-RT: Synthetic Alignment data Generation for Safety Evaluation and Red Teaming
par: Kumar, Anurakt, et autres
Publié: (2024)
par: Kumar, Anurakt, et autres
Publié: (2024)
RvB: Automating AI System Hardening via Iterative Red-Blue Games
par: Huang, Lige, et autres
Publié: (2026)
par: Huang, Lige, et autres
Publié: (2026)
Summon a Demon and Bind it: A Grounded Theory of LLM Red Teaming
par: Inie, Nanna, et autres
Publié: (2023)
par: Inie, Nanna, et autres
Publié: (2023)
AJAR: Adaptive Jailbreak Architecture for Red-teaming
par: Dou, Yipu, et autres
Publié: (2026)
par: Dou, Yipu, et autres
Publié: (2026)
Auto-RT: Automatic Jailbreak Strategy Exploration for Red-Teaming Large Language Models
par: Liu, Yanjiang, et autres
Publié: (2025)
par: Liu, Yanjiang, et autres
Publié: (2025)
SIRAJ: Diverse and Efficient Red-Teaming for LLM Agents via Distilled Structured Reasoning
par: Zhou, Kaiwen, et autres
Publié: (2025)
par: Zhou, Kaiwen, et autres
Publié: (2025)
Jailbreak-Zero: A Path to Pareto Optimal Red Teaming for Large Language Models
par: Hu, Kai, et autres
Publié: (2025)
par: Hu, Kai, et autres
Publié: (2025)
Effective Red-Teaming of Policy-Adherent Agents
par: Nakash, Itay, et autres
Publié: (2025)
par: Nakash, Itay, et autres
Publié: (2025)
PyRIT: A Framework for Security Risk Identification and Red Teaming in Generative AI System
par: Munoz, Gary D. Lopez, et autres
Publié: (2024)
par: Munoz, Gary D. Lopez, et autres
Publié: (2024)
Trojan Activation Attack: Red-Teaming Large Language Models using Activation Steering for Safety-Alignment
par: Wang, Haoran, et autres
Publié: (2023)
par: Wang, Haoran, et autres
Publié: (2023)
CTRAP: Embedding Collapse Trap to Safeguard Large Language Models from Harmful Fine-Tuning
par: Yi, Biao, et autres
Publié: (2025)
par: Yi, Biao, et autres
Publié: (2025)
Operationalizing a Threat Model for Red-Teaming Large Language Models (LLMs)
par: Verma, Apurv, et autres
Publié: (2024)
par: Verma, Apurv, et autres
Publié: (2024)
Red Teaming GPT-4V: Are GPT-4V Safe Against Uni/Multi-Modal Jailbreak Attacks?
par: Chen, Shuo, et autres
Publié: (2024)
par: Chen, Shuo, et autres
Publié: (2024)
Capability-Based Scaling Trends for LLM-Based Red-Teaming
par: Panfilov, Alexander, et autres
Publié: (2025)
par: Panfilov, Alexander, et autres
Publié: (2025)
PandaGuard: Systematic Evaluation of LLM Safety against Jailbreaking Attacks
par: Shen, Guobin, et autres
Publié: (2025)
par: Shen, Guobin, et autres
Publié: (2025)
The Art of (Mis)alignment: How Fine-Tuning Methods Effectively Misalign and Realign LLMs in Post-Training
par: Zhang, Rui, et autres
Publié: (2026)
par: Zhang, Rui, et autres
Publié: (2026)
Reformulation is All You Need: Addressing Malicious Text Features in DNNs
par: Jiang, Yi, et autres
Publié: (2025)
par: Jiang, Yi, et autres
Publié: (2025)
Constitutional Classifiers: Defending against Universal Jailbreaks across Thousands of Hours of Red Teaming
par: Sharma, Mrinank, et autres
Publié: (2025)
par: Sharma, Mrinank, et autres
Publié: (2025)
AdvAgent: Controllable Blackbox Red-teaming on Web Agents
par: Xu, Chejian, et autres
Publié: (2024)
par: Xu, Chejian, et autres
Publié: (2024)
Red Teaming AI Red Teaming
par: Majumdar, Subhabrata, et autres
Publié: (2025)
par: Majumdar, Subhabrata, et autres
Publié: (2025)
RegionMarker: A Region-Triggered Semantic Watermarking Framework for Embedding-as-a-Service Copyright Protection
par: Yang, Shufan, et autres
Publié: (2025)
par: Yang, Shufan, et autres
Publié: (2025)
Red-Teaming Text-to-Image Models via In-Context Experience Replay and Semantic-Preserving Prompt Rewriting
par: Chin, Zhi-Yi, et autres
Publié: (2024)
par: Chin, Zhi-Yi, et autres
Publié: (2024)
Enhance Robustness of Language Models Against Variation Attack through Graph Integration
par: Xiong, Zi, et autres
Publié: (2024)
par: Xiong, Zi, et autres
Publié: (2024)
BadActs: A Universal Backdoor Defense in the Activation Space
par: Yi, Biao, et autres
Publié: (2024)
par: Yi, Biao, et autres
Publié: (2024)
A Character-based Diffusion Embedding Algorithm for Enhancing the Generation Quality of Generative Linguistic Steganographic Texts
par: Chen, Yingquan, et autres
Publié: (2025)
par: Chen, Yingquan, et autres
Publié: (2025)
Documents similaires
-
Prompt Optimization and Evaluation for LLM Automated Red Teaming
par: Freenor, Michael, et autres
Publié: (2025) -
Learning-Based Automated Adversarial Red-Teaming for Robustness Evaluation of Large Language Models
par: Wei, Zhang, et autres
Publié: (2025) -
Training a General Purpose Automated Red Teaming Model
par: Padmakumar, Aishwarya, et autres
Publié: (2026) -
Resource Consumption Red-Teaming for Large Vision-Language Models
par: Gao, Haoran, et autres
Publié: (2025) -
Watermarking Conditional Text Generation for AI Detection: Unveiling Challenges and a Semantic-Aware Watermark Remedy
par: Fu, Yu, et autres
Publié: (2023)