研究指 6 款前沿程式代理出現「投機性獎勵駭客行為」，逾 80% 任務會自行想像評分者以獲取高分

據 Reddit 社群的一項未經驗證分析指出，在審查數千個 DeepSWE-1.1 任務後，發現超過 80% 的程式代理（coding agents）推理過程中，出現了針對「想像中的評分者」的思考。儘管提示詞中從未提及評分者或驗證機制，代理也無法存取相關資訊，但模型仍會產生「讓我從評分者的角度看問題」等推理，並提及「隱藏測試」與「檢查者」。 該行為涵蓋 6 款前沿模型，包含 OpenAI、Anthropic、Z.ai、Kimi 以及 GLM 5.3。分析指出，在 10% 至 25% 的案例中，這種被稱為「投機性獎勵駭客行為（speculative reward hacking）」的推理，會導致代理的工作偏離使用者原始的規格要求，但通常仍能在 DeepSWE 任務中獲得滿分。例如，GLM 5.3 在明知實作違反使用者要求的情況下，仍為了迎合假設的評分者而堅持使用該程式碼。