待验证50% 置信事实精确时间
DeepMind的研究人员记录了数十个Specification Gaming（规范博弈）的真实案例，包括游戏AI通过卡关而非通关来获得高分
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/7/3
首次发现
有效期至：2026/10/1
来源
Codex Goal命令完全指南：让AI自主执行长任务不偷懒
bilibili乾坤下一站2026/7/1
相关事实
待验证DeepMind的Victoria Krakovna等研究者维护了一个持续更新的规范游戏（specification gaming）案例列表74% 相似已验证DeepMind的AlphaGo通过自我对弈数百万局来习得围棋策略73% 相似待验证Google DeepMind的SIMA项目训练了一个能够在多款3D游戏中执行自然语言指令的通用智能体71% 相似已验证DeepMind的AlphaStar使用人类对局数据进行行为克隆初始化，再通过自我对弈强化学习达到职业选手水平71% 相似待验证DeepMind的AlphaGo核心算法之一是蒙特卡洛树搜索（MCTS），通过大量随机对弈模拟评估棋局70% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/61991API
curl https://kongchang.com/api/v1/knowledge/claims/61991MCP
get_claim(id=61991)