Redwood Research · Blog· Gosha Kozhevnikov·· 23 天前AI 评分56
Redwood Research 提出 Screwtape，对抗性改写智能体运行记录以红队测试监控器
Screwtape: Adversarial Transcript Editing for Monitor Red-Teaming
AI 导读
Redwood Research 提出 Screwtape 管道，把真实智能体运行记录改写成能绕过只看动作、不看思维链监控器的现实攻击，并由 LLM 验证器把关攻击的真实性、危害与可行性。
来源：Redwood Research · Blog · blog.redwoodresearch.org