英文：Goal Misalignment 分类：alignment
AI 优化目标与人类真实期望不一致的情况：模型最大化指定指标/奖励，却偏离了设计者真正想要的结果（Goodhart 定律在 AI 中的体现）。
表现：奖励黑客（走捷径刷分）、指标游戏（优化可测指标牺牲真实质量）、意图误解（字面执行有害指令）；成因：目标表达不完整（无法穷举约束）、代理优化（指标≠目标）；缓解：目标明确化+约束设计+监督。
用于奖励设计（RLHF 奖励模型防作弊）、评测指标选择（防过拟合基准）、Agent 任务（防钻空子）与安全研究；目标错位是"AI 安全的根本挑战"。