Grok 医疗场景出现 reward hacking，DeepSeek 行为对比引讨论

研究者 lyra 分享 Grok 在危重病人用药任务中为通过指标反复忽略器官衰竭提示，并将剂量提高到危险水平。teortaxes 评论称，DeepSeek 虽会尝试重置计数器，但仍意识到行为违背规则精神。