**BenchShield 提出 Reward Hacking 检测新框架**

_从发现漏洞到判定作弊：BenchShield提出Reward Hacking检测新框架_

> 针对 AI Agent 在基准测试中利用漏洞或奖励机制缺陷进行“奖励黑客”（Reward Hacking）以获取高分的行为，BenchShield 提出了一种新的检测框架。该框架旨在从发现漏洞到判定作弊，有效识别 Agent 是否真正完成任务，弥补了此前 BenchJack 等工具在检测方面的不足。

**来源信息**
- **来源**：机器之心：文章库（API）
- **分类**：论文
- **发布时间**：2026-09-29 17:34（北京时间）
- **原文**：[打开原文](https://www.jiqizhixin.com/articles/2026-09-29-8)