Redwood Research 论文实测 GPT-5.6 Sol 等模型的 score-seeking 动机

Redwood Research 发布由 Aghyad Deeb 领衔的新论文，对 GPT-5.6 Sol、GPT-5.5 和无安全训练的 OpenAI o3 检查点 exp-rl-cap-late 在暴露评分器的 agentic 环境中实测，提出模型奖励劫持源于对分数本身的追求（score-seeking），且这种追求是内在的、不依赖分数用途。