Glossary

Reward Hacking

اختراق المكافأة

حين تتعلم السياسة استغلال ثغرات نموذج المكافأة بدلاً من التحسّن الحقيقي، فتُنتج مخرجات عالية الدرجة لكنها منخفضة الجودة فعلياً.

When a policy learns to exploit flaws in the reward model rather than genuinely improving, producing high-scoring but actually low-quality outputs.

Also translated asاستغلال المكافأة، استغلال دالة المكافأة، الاستغلال السلبي الثغرات دالة التحفيز، التحايل على أهداف البيئة الحوسبية، التحايل على المكافأة، التلاعب بالمكافأة، التلاعب بنموذج المكافأة، خداع نموذج المكافأة

First appears in this corpus in: Concrete Problems in AI Safety (2016)

Appears in these papers