リサーチ・論文 · 10月23日 01:19 シムハック、強化学習の報酬ハッキング発生を訓練前に予測 ジャンウェイ・デン氏らは2026年10月20日(現地時間)、強化学習（RL）訓練における「報酬ハッキング」の発生を訓練開始前に予測するシミュレーター「シムハック (SimHack)」を発表した。このツールは、特に大規模言語モデル（LLM）のコーディング訓練において、実行前に低リスクの訓練レシピを選定し、訓練効率と安全性を向上させる可能性を秘めている。