RL 老兵论战：reward hacking 不是烂工程，而是未解的强化学习老问题

博主 burnytech 回应「reward hacking 只是烂工程」的批评，称目前并不存在能普遍防止 reward hacking 的工程方案，业界只有部分场景下偶尔奏效的「打地鼠式」修补，其科学机理也尚未定论。