TreeTeaming：通过分层策略探索实现视觉 - 语言模型的自动化红队测试

针对视觉 - 语言模型（VLM）的安全漏洞，现有红队测试受限于线性探索范式。本文提出 TreeTeaming 框架，将策略探索重构为动态进化发现过程。其核心是由大语言模型驱动的策略编排器，能自主决定演化潜在攻击路径或探索多样化战略分支，动态构建策略树。实验表明，该框架在 12 个主流 VLM 中的 11 个上取得了最先进的攻击成功率，最高达 87.60%，且生成的攻击具有更高的多样性和隐蔽性，确立了自动化漏洞发现的新范式。