GPT-Red：通过大规模自博弈实现自动化红队测试

论文介绍GPT-Red，一种通过大规模自博弈训练、自动发现前沿大模型提示注入攻击的红队智能体。它同时攻击多种防御智能体，并被用于对抗训练GPT-5.6。作者称该系统可击破GPT-5.5及更早模型，在部分测试中发现的有效攻击多于人工红队，并能泛化到未见环境、模型和测试框架。