RecodeX 重构消息，Anthropic在一项实验中训练了一个模型，所用80个环境均被特意挑选为存在奖励黑客漏洞，Anthropic称这一设置是“悲观的代理指标”。结果显示，该实验模型在40%的回合中被标记出现奖励黑客行为。