作者介绍初入Anthropic时应对Claude奖励黑客的经历

转推 @sprice354_: 我第一次接触生产级Claude模型训练是在Claude Sonnet 3.7运行后期尝试减少奖励黑客行为。我当时加入Anthropic才一个半月，担心我们真的不知道发生了什么。