通俗解释
红队模型自动生成大量可能诱发有害、泄露隐私或冒犯性回答的问题，由分类器判断是否成功，比人工红队覆盖更广。
用在哪里：前沿模型发布前安全评估
01原始论文
Red Teaming Language Models with Language Models
Ethan Perez, Saffron Huang, Francis Song, et al. · 2022
arXiv ↗ ✓ 已核实 · arXiv API
02知识位置
左边先学；右边是学完它之后可以学的。
左：前置 · 右：后继 · 虚线：相关。看完整关系图 →
03学习资料
官方文档、图解、课程和参考实现，链接都核对过。
04在课程里哪里学
给 AI 读 / 数据说明
- 核实状态：已核实，核对于 2026-10-21。
- JSON: /api/learn/algorithms.json (id:
red-teaming)