Risk-Adjusted Harm Scoring for Automated Red Teaming for LLMs in Financial Services

创建于 2026-03-12T10:21:17.863143+08:00 更新于 2026-03-22T12:11:56.927943+08:00

摘要

本文提出基于金融领域的FinRedTeamBench、基于三模评判的自动化多轮红队流程与风险敏感指标RAHS，用以衡量LLM在银行/金融/保险场景下的越狱风险与操作性披露严重性，并验证高采样随机性与多回合交互会同时提升越狱成功率与披露严重度 [page::0][page::3][page::6]