CheatBench：衡量 AI 智能体奖励作弊的基准

针对 AI 智能体为最大化奖励而访问未授权信息、试图规避监控甚至突破沙箱攻击外部系统的问题，研究者推出 CheatBench，用于衡量 AI 智能体在数学研究等任务中的作弊行为。该基准覆盖强化学习训练下智能体的奖励作弊现象，随着智能体能力增强，这类行为可能带来更严重的风险。