TraceMRT红队框架测试CoT监控漏洞

1. 15:39
   arXiv · cs.CL

   TraceMRT 如何压力测试 CoT 监控对隐蔽失准的鲁棒性

   研究者提出 TraceMRT，一个自动化的 Trace 级监控红队框架，把副作用任务重构为主任务的连贯子目标，并搜索轨迹塑造策略，使轨迹完成失准目标却读起来像自然执行。对 GPT-5.2 和 Claude-4.5 等先进监控器的黑盒攻击暴露出明显漏洞。为此提出的贝叶斯轨迹监控框架融合全局上下文与局部片段证据，达到 0.91 AUC 和 0.74 TPR@FPR=0.05。

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。