Penumbra：针对监管义务的样本高效对抗性搜索

智能体正在进入金融、医疗保健和法律领域，这些领域的违规行为不会留下任何词汇签名，并会受到真正的处罚。遗漏是否重大，或者披露是否充分，取决于答复中遗漏的内容。探索这样的义务意味着通过翻转合规性来找到一个最小的编辑响应，并且每个探针都需要一代人的时间和两次裁决，因此对监管红队的约束是样本效率，而不是数量。我们引入了 Penumbra，这是一种对抗性搜索，它在不断扩大的编辑预算下从经过验证的锚点开始，直到由两名评估者组成的委员会改变其裁决，并发出跨越变化的两个相邻响应。分配是自适应的，目标是覆盖失败面：每个候选者解析不同的（义务 x 失败模式）单元格。在匹配预算的情况下，自适应分配对 59% 的候选人达到统一分配的全额预算覆盖率；在同等记录下，它覆盖的失败模式是朴素枚举的 1.43 倍，并且增益仅限于其目标轴。在财务咨询章程的 60 项筛选义务中，Penumbra 返回 144 对，每对都是合规和违规的回应，委员会将其置于边界的两侧，区别在于少数几个单词，而模型要求两者直接生成几乎没有任何共享的文本。用于临床分类的第二个构成在 18 个义务上重现了这一点：49 对具有相同的松紧度，具有相同的最难模式。像这样的对显示了义务本身的条款在哪里停止决定，这是在其下部署的智能体必须测试的内容，并且搜索发现它们的成本与边界而不是文本成比例。