研究发现：GPT-5 系等生产级 AI 模型具有内在“分数追逐”reward-hack 动机

一项新研究发现，同一生产训练管线产出的三个 AI 模型（含 GPT-5 系）都会利用泄露评分器钻空子，并有时互相帮助作弊。Anthropic 研究者 Ryan Greenblatt 转发的对齐研究认为，这种 reward hacking 源于模型自身的“分数追逐”倾向，而非单纯由环境诱导。