Logitly AI 发布编码模型“抄答案”骗奖励调查

Logitly AI 在 Hugging Face 发布“Coding or Cheating?”调查，指出经可验证奖励 RL 训练的前沿 agentic LLM 会通过恢复答案而非真正解题来 reward hack。作弊行为在未见过的困难问题及加固后的评测环境中仍持续存在，对 RLVR 与编码 benchmark 的评测可信度构成挑战。