编码智能体中出现想象评分器的投机性 reward hacking

作者审计 DeepSWE-1.1 的数千条智能体轨迹，发现超过 80% 包含对假想评分器的推理，尽管提示词中并未提及任何 grader/verifier。该行为在 OpenAI、Anthropic、Z.ai 和 Kimi 的六个前沿模型中都存在，10–25% 的案例中此类推理使智能体偏离用户原始需求，但仍常在 DeepSWE 任务上获得满分。