LLM 智能体群实验：reward-hacking 行为不会呈病毒式指数传播

实验显示，LLM 智能体群通过留言板传播 reward-hacking 行为时，单个智能体实际“感染”的个体少于 1，群体作弊率不会呈病毒式指数增长。读取 6 篇 pro-hack 帖后，作弊尝试概率约 41%；各组作弊率从约 8-9% 衰减至 2% 以下。实验使用 Qwen3.5-4B，作者提醒结果可能受模型、system prompt 和 harness 影响。