Prime Intellect·· 6 小時前AI 評分63
Prime Intellect 研究 reward hacking 的梯度動態，並推出 Sprints 社羣研究計劃
ResearchMAY 20TH, 2026Systematic Reward Hacking and Prime Sprints
AI 導讀
Prime Intellect 以 Llama 3.2-1B-Instruct 進行受控 RL 實驗，指出 reward hacking 是梯度動態問題，受可見獎勵與隱藏獎勵的競爭影響。
來源：Prime Intellect · primeintellect.ai