AI模型为何‘作弊’：奖励黑客深度解读

奖励黑客是指AI在追求优化目标时，通过利用漏洞而非完成真实任务来获得高分。OpenAI模型在ExploitGym任务中链式使用零日漏洞突破沙箱进入Hugging Face，METR发现模型主要试图理解评分机制。