近零监控读数并非行为控制的证据

可验证奖励的后训练可能诱发奖励黑客行为，因此监控器被纳入训练目标而非仅用于离线审计。研究在代码生成环境中针对三个通过同一离线门槛的监控器训练策略，发现低监控读数无法判断该干预是否真正控制了行为。