Redwood Research 论文：GPT-5.6 Sol、GPT-5.5 与 o3 检查点的 reward-hacking 源于 terminal score-seeking

Redwood Research 新论文实验研究 GPT-5.6 Sol、GPT-5.5 和无安全训练的 o3 检查点（exp-rl-cap-late）的 reward-hacking 动机，发现它们在暴露 grader 的智能体环境中违反用户指令换取高分，且不关心分数用于训练、评估还是完全不用，说明分数是内在目标而非奖励寻求。