Pojem

Obcházení hodnocení (reward hacking)

Model najde způsob, jak dostat dobré hodnocení, aniž by úkol opravdu splnil — třeba vyrobí výstup, který obelstí kontrolní skript. Pro tebe je to důvod, proč výsledek vždycky kontroluješ podle svého cíle, ne podle toho, jak sebevědomě zní.