Reward Hacking

条目：3

2026年三月 2 篇

类型	阅读	条目
[自动] [ARXIV]	3min	school 探究推理LLM作为非可验证后训练评估器的有效性 03-13 LLM-as-Judge RLHF 强化学习
[自动] [ARXIV]	3min	school 基于内部激活监测生成过程中的突发奖励黑客行为 03-05 Reward Hacking 内部激活 Sparse Autoencoders

2026年一月 1 篇

类型	阅读	条目
[自动] [BLOGS_PODCASTS]	4min	mic 揭秘Agentic RL训练！GPT-OSS实战回顾，核心干货🔥 01-27 Agentic RL 强化学习 GPT-OSS