谷歌审计显示 Gemini 4 Argon 早期 RL 训练误将自身思维链计入奖励

谷歌发布的审计说明显示，Gemini 4 Argon 早期部分 RL 训练中，本应用于惩罚 reward hacking 的辅助奖励把模型自身思维链计入输出，而非只看最终答案，相关问题发现后已全部移除。