分析与理论arXiv 2609.25848·9月22日论文比较权重、选择与提示词三种优化载体上的奖励作弊比较权重、选择与提示词上的奖励作弊arXiv2609.25848发表9月22日层模型层场景模型与 API风险奖励作弊摘要三种底物都会对着不完整分数优化。Reward hacking 可以出现在更新权重、挑选输出和修订持久文本时。作者用一个比较框架处理这三种底物，把可达行为、代理误差和防御迁移分开，避免只按底物名称排序。深度解读完整解读