본 논문은 반복적인 Red-Teaming을 하나의 구조화된 프롬프트로 압축하는 Multi-turn-to-single-turn (M2S) 접근 방식에 대해, 기존의 수동으로 작성된 템플릿의 한계를 극복하기 위해 언어 모델 기반 진화를 통해 M2S 템플릿을 자동적으로 발견하고 최적화하는 X-Teaming Evolutionary M2S 프레임워크를 제시합니다. 이 프레임워크는 12개의 소스에서 스마트 샘플링을 수행하고, StrongREJECT에서 영감을 받은 LLM-as-judge를 사용하여 완전한 감사 로그를 기록합니다. 성공 임계값을 $\theta = 0.70$으로 설정하여 5세대의 진화를 통해 두 개의 새로운 템플릿 군을 얻었으며, GPT-4.1에서 44.8%의 전체 성공률 (103/230)을 달성했습니다. 또한, 구조적 이득은 대상에 따라 다르며, 프롬프트 길이와 점수 사이에 양의 상관관계가 있음을 발견했습니다.
