**GPT-Red：基于大规模自玩的自动化红队测试**

_GPT-Red: Automated Red Teaming via Self-Play at Scale_

> HuggingFace Daily Papers 推荐论文介绍 GPT-Red，一种通过自玩算法训练的自动化红队代理，用于发现前沿大语言模型的新型提示注入攻击。该模型在对抗性训练中提升了 GPT-5.6 的鲁棒性，其训练规模创下 LLM 安全领域记录，攻击效果超越人工红队，并具备跨环境泛化能力，有望形成持续进化的安全飞轮。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-07-30 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2607.26115)