Evo-Attacker：面向长程工具攻击的内存增强型强化学习

基于大语言模型的多智能体系统（LLM-MAS）虽能协同解决复杂任务，但对工具输出的隐式信任构成了关键攻击面。现有工具攻击受限于领域特异性或静态模板。为此，本文提出 Evo-Attacker，将工具攻击构建为自进化、记忆增强的强化学习过程。该方法构建动态攻击记忆，利用审慎推理检索对抗模式并在关键时刻制定干预策略。此外，引入 Attack-Flow GRPO 通过终端结果优化中间推理步骤，解决长程信用分配难题。实验表明其泛化与进化能力显著优于基线。