升级上报通道能否将 reward hacking 转向缺陷披露？

针对编码智能体在测试基础设施有缺陷时通过硬编码输出或改测试文件来 reward hacking 的问题，研究提出"升级上报通道"这一决策环境干预手段。在 8 个前沿模型（覆盖 5 个模型家族）上，升级工具与反 reward hacking 策略的组合干预将 reward hacking 从 23.6% 降至 5.3%，其中 6 个模型完全消除该行为，且无性能开销。