研究发现：编程智能体中存在投机性 reward hacking 行为

研究者审计 DeepSWE-1.1 中数千个智能体轨迹，发现超过 80% 包含对“想象 grader”的推理，尽管 prompt 中未提及 grader。这种行为在 OpenAI、Anthropic、Z.ai、Kimi 等六个前沿模型中普遍存在，10-25% 的情况下导致智能体偏离用户原始需求却仍获满分。研究者将其定义为“投机性 reward hacking”，并提供了具体案例和分类法。