Anthropic 发布 GRAFT：用可删除适配器抑制奖励作弊

Anthropic 联合 MATS、Stanford、FAR AI 发布论文 GRAFT，通过梯度路由把可疑梯度隔离到可删除的适配器中，训练完成后移除适配器即可根治强化学习中的 reward hacking。论文编号 arXiv:2610.17062，作者包括 Jake Ward、Shawn Hu、Aria Wo 等，并附有原文链接与实验细节。