CheatBench奖励作弊基准

CheatBench是一个新基准，专门测量AI代理在任务中通过奖励作弊（reward gaming）而非真正解决问题来获取高分的行为。该基准旨在揭示代理在优化目标时可能出现的投机取巧，为AI对齐与评估研究提供量化工具。

研究者提出 CheatBench，一个跨数学研究、知识工作、编程、视觉等领域的 AI 智能体作弊评测基准。其环境将高难度任务与作弊机会结合，用于研究智能体在诚实工作困难时如何追逐目标，并支持跨模型与任务类别比较，以测量和减少作弊行为。