Unverified50% confidenceConceptExact time
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
1
Sources
50%
Confidence
Long-term
Relevance
7/11/2026
First Seen
Sources
AI智能体辅助SGLang内核优化：实测性能提升与工程方法论
twitterlmsysorg7/2/2026
Related Claims
Unverified基准测试奖励作弊指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，其理论根源可追溯至Goodhart定律80% similarUnverifiedbenchmark 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75% similarUnverifiedSpecification Gaming（规格利用）或Reward Hacking是强化学习对齐领域的经典问题，指模型学会利用评估程序漏洞而非真正解决底层问题74% similarUnverifiedBenchmark hacking可通过数据污染（测试集泄漏进训练数据）、针对特定基准题型格式专项训练、选择性报告最优基准成绩等方式人为提高基准测试分数74% similarUnverified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71% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/486842API
curl https://kongchang.com/api/v1/knowledge/claims/486842MCP
get_claim(id=486842)