本文提出了一种基于生成流网络（GFlowNets）的自动化红队测试方法，用于发现大语言模型（LLM）的安全漏洞。研究背景是：随着LLM在各行各业被广泛部署，其固有的安全隐患日益突出，而传统红队测试多依赖人工专家或固定的攻击数据集，前者耗时费力，后者因数据集固定而缺乏创造性和适应性。作者设计了一个双模型框架：一个攻击者模型（attacker model）通过强化学习的方式训练，目标是针对一个指定的受害者模型（victim model）生成高效、多样化的对抗性输入（adversarial inputs），同时输出一个定量的鲁棒性评分（robustness score）来衡量受害者模型的防御水平。与现有基准相比，该方法在英文场景下能生成更有效的攻击样本，并且作为该领域的首项工作，本文还引入了一种能够生成土耳其语攻击输入的攻击模型，从而扩展了红队测试的语言覆盖范围。该研究的核心贡献在于：1) 提出一种无需人工干预、自适应进化的红队框架；2) 利用GFlowNets的探索能力提升攻击样本的多样性和有效性；3) 定量评估受害者模型鲁棒性；4) 支持多语言攻击生成，填补了非英语场景研究的空白。适合对LLM安全评估、红队自动化以及生成式模型安全性的研究人员、安全工程师和AI开发者阅读。