CS66-RE80 :: Autonomous Hypothesis-Driven Agents for Safe and Adaptive Penetration Testing

เอเจนต์อตโนมัต์ที่ขับเคลื่อนด้วยสมมต์ฐานสาหรับการทดสอบเจาะระบบ อยางปลอดภัยและปรับต์วได้

details
Teaching Small Language Models how to offensive pentest via Retrospective Multi-Turn Reinforcement Learning
tools & techniques
RT-GRPO: Retrospective Turn-based Group Relative Policy Optimization (Contribution) CPT: Continued Pre-Training SFT: Supervised Fine-Tuning Meta-RL: Meta Reinforcement Learning
author
MR.Ye Thu
รหัสนักศึกษา 66130500831
advisor
Jonathan Hoyin Chan
Tuul Triyason