该论文聚焦于受监管行业（尤其是消费金融）中大语言模型的安全失效问题：一些表面上完全无害的用户提问，可能触发模型的安全漏洞，使回答在合规政策边界上逼近甚至越界，带来监管与声誉风险。作者指出，现有自动化红队方法普遍在“攻击有效性”与“生成成本”之间做取舍——基于迭代自适应搜索的方法虽然有效，但每次攻击都需要针对目标模型反复查询、成本高昂；而一次性生成的提示模板又往往效果有限。同时，这些方法把覆盖度、严重度和多样性当作顺带产物，而非联合优化的目标。为此，论文提出 FinRT 框架，其核心思路是把自适应红队搜索过程中学到的策略“蒸馏”为可复用的对抗提示生成器：先在受害模型上执行自适应搜索以发现有效的攻击策略，再将这些策略固化成生成器，使面向目标的攻击生成成本被摊销，之后无需再对目标模型做高开销的迭代搜索即可批量产出对抗提示。作者在消费金融场景下的六个受害模型上做了评测：FinRT 将攻击成功率从自适应基线 Rainbow Teaming 的 17.2% 提升至 32.9%，接近翻倍；最大对抗严重度提升约 33%；同时在单一政策域内的语义多样性上，与迭代搜索类方法保持相当水平。此外，FinRT 生成的策略表现出较高的跨模型迁移能力，并呈现出针对不同受害模型家族的专化模式。该工作同时给出了可复用的红队生成范式与一组可比较的评测指标（攻击成功率、严重度、多样性、迁移性），对模型安全评估与合规加固具有参考价值。