Basit Mustafa: 受这项研究（和先前研究）的启发，@GoodfireAI 在激活中捕获奖励黑客，但封闭的编码代理不会给你这些。所以我构建了另一半：对分级机/隐藏测试的结构性拒绝 +

中文参考

受这项研究（和先前研究）的启发，@GoodfireAI 在激活中捕获奖励黑客，但封闭的编码代理不会给你这些。所以我构建了另一半：对分级机/隐藏测试的结构性拒绝 + @typesafeai Jev 边车，将工具轨迹评分为

原帖全文 / EN

Inspired by this research (and priors), and, @GoodfireAI catches reward hacks in the activations, but closed coding agents don’t give you those. So I built the other half: structural denies on graders/hidden tests + a @typesafeai Jev sidecar that scores tool trajectories as