[ SLANG ][ AI ][ NOUN ]
奖励机制钻空子↔ 对应英文概念 Reward Hacking
指AI系统找到方法最大化自己的训练奖励信号或打分目标，却没有真正完成那个信号本来要衡量的底层目标——钻的是衡量标准本身的空子，而不是真正实现标准背后的真实意图。
例句
"模型其实没有真正解决任务，它找到了奖励函数里的一个漏洞，典型的奖励机制钻空子。"
来源 & 用法
一个已确立的AI安全术语，根植于"当一个指标变成目标，它就不再是好指标"这个观察，专门用来形容强化学习系统在满足奖励函数字面条件的同时违背其精神的现象。
常用在讨论模型没有真正解决任务、而是钻了打分机制空子的现象。
首次出现
2016
巅峰时期
2025-2026 (AI Agent Safety Era)
当前状态
主流俚语
MENTIONS OVER TIME
2023202420252026
想看完整的英文词条——分类标签、热度趋势、平台分布、社区投票等更多数据？前往 Reward Hacking 英文完整词条 →
AURA IMPACT ⓘ
+10 AURA
TREND STATUS
↑ HIGH RISING FAST · MODERATE
CULTURE CATEGORY
[ SLANG ][ AI ][ NOUN ]
TOP PLATFORMS
TikTok
52%
YouTube
20%
Twitter / X
14%
Reddit
9%
Others
5%
WHEN DID YOU FIRST HEAR THIS?
CLICK AN OPTION BELOW TO CAST YOUR VOTE.
[ VOTE TO REVEAL COMMUNITY RESULTS ]