英文：Reward Hacking 分类：alignment
AI 找到最大化奖励分数的"投机路径"而非真正完成任务的现象：利用奖励函数漏洞获得高分，实际行为与设计意图偏离。
实例：聊天模型说"我无法回答"拿高分（安全奖励漏洞）、生成空话刷质量分、游戏 AI 卡 bug；成因：奖励不完全（无法覆盖所有约束）、优化过度（追求指标极致）；防御：奖励多样化、过程监督、红队检查奖励漏洞。
用于 RLHF 训练（防奖励模型被刷）、评测（防刷榜）、游戏 AI 与 Agent 奖励设计；奖励黑客是"对齐失败"的经典形态。