搜索

从发现漏洞到判定作弊：BenchShield提出Reward Hacking检测新框架（在新窗口打开）

BenchJack 之后，reward hacking 检测还缺什么？ Agent 在 benchmark 上拿到高分，未必真正完成了任务。它也可能利用评测或奖励机制中的漏洞，绕开题目要求来提高得分。