Redwood发布Screwtape智能体红队管线

Redwood Research发布Screwtape红队管线，通过对抗式编辑真实智能体对话记录并反复改写，测试仅监控行动、不查看思维链的监控器盲区。管线以“威胁合同”界定攻击向量和严重度门槛，并禁止修改用户消息或子智能体调用。 在94条Redwood员工真实记录上进行252次运行后，基于Opus 4.8和Gemini 3.1 Pro构建的监控器被35个攻击绕过；其中6个还绕过了某前沿实验室的留出监控器，并经人工审核确认有效。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。