HuggingFace 每日论文Yanting Wang论文88
Agent Against Agent：用于自动提示注入红队测试的智能体系统
原标题:Agent Against Agent: An Agentic System for Automatic Prompt Injection Red Teaming
论文提出PIMiner，通过在不同数据集与目标模型序列上训练，从零构建可迁移的攻击策略库；测试时无需针对新模型再训练，每个样本仅需约10次查询。在IPIArena和AgentDojo上，PIMiner对Gemini-2.5-Pro、GPT-5.1及Claude-Sonnet-4.5取得40.0%至86.7%的攻击成功率。
为什么值得读
新模型上线后，攻击策略能否跨模型复用是红队测试的关键；该工作用较少查询量报告了针对多种前沿模型的可迁移攻击结果。
标签
prompt-injectionred-teamingLLM-agentsPIMinertransferabilityAgentDojoIPIArena