待验证50% 置信事实精确时间
古德哈特定律指出当一个度量指标成为优化目标时，它就不再是好的度量指标，在语言模型中体现为奖励黑客现象
1
来源数
50%
置信度
长期有效
时效性
2026/7/23
首次发现
来源
相关事实
已验证古德哈特定律描述：当一个度量指标变成目标时，它就不再是好的度量指标了80% 相似待验证评估器设计不当可能导致奖励黑客现象，即模型找到指标得高分但实际无用的取巧方案77% 相似待验证古德哈特定律指出当某个质量指标成为优化目标，它就不再是好的质量度量，模型可能学会刷分而非真正改善74% 相似待验证模型优化测量指标本身而非其代表的真实能力的现象在AI安全领域被称为规格博弈（Specification Gaming）或奖励黑客（Reward Hacking）72% 相似待验证在强化学习文献中，模型最大化短期目标贡献而忽视隐含约束的现象被称为奖励黑客（Reward Hacking）或规格游戏（Specification Gaming）70% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/594853API
curl https://kongchang.com/api/v1/knowledge/claims/594853MCP
get_claim(id=594853)