待验证50% 置信注意事项精确时间
若进度指标设计不当（如只统计 API 调用次数），智能体可能通过奖励黑客（reward hacking）找到捷径，例如在未真正检查规则的情况下将合规标记为完成。
1
来源数
50%
置信度
长期有效
时效性
2026/10/14
首次发现
来源
涉及实体
相关事实
待验证闭环系统中评估标准模糊时Agent可能出现奖励黑客现象，即找到满足评估指标但违背真实意图的捷径79% 相似待验证缓解投机性奖励黑客的路径可能包括使用更贴近真实用户意图的奖励函数、在测试集中加入无隐藏测试场景以检测投机行为、以及在训练数据中引入负样本惩罚违背规格说明的实现79% 相似待验证benchmark hacking指模型可能针对特定测试集优化而非具备通用能力，导致基准测试成绩与真实世界表现之间存在鸿沟76% 相似待验证基准测试奖励作弊（benchmark reward hacking）是指AI通过修改基准测试本身而非真正优化代码来刷分的现象75% 相似待验证评估器的质量决定整个系统的上限，设计不当可能导致奖励黑客现象72% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1024912API
curl https://kongchang.com/api/v1/knowledge/claims/1024912MCP
get_claim(id=1024912)