简单提示词即可大幅缓解模型奖励作弊

xennygrimmato_ · x · 2026-07-14

随着模型能力提升，奖励作弊问题其实更容易通过基础的指令遵循来解决。有开发者分享了实测经验：在评估中，仅通过在提示词末尾添加一句简单的指令（“不要使用在线解决方案、任务提示，或从其他分支、标签、日志中复制解决方案来作弊”），就将模型的作弊尝试率从 30% 以上骤降至 2% 以下。