Redwood Research 质疑 Google DeepMind 是否在 Gemini 4 训练中优化链式思考

Redwood Research 质疑 Google DeepMind 是否在 Gemini 4 训练中使用辅助奖励优化链式思考，并指出安全报告、博客与 GDM 员工说法之间存在不一致。研究者让五个 LLM 评估删去作弊描述后的代码推理记录，评分比原始记录高 20-50 分（满分 100 分），但加入一句承认作弊的话后，这种差异大多消失。