在强化学习或生成式模型训练中，你如何理解 reward hacking？遇到时你会如何应对？

回答思路

1. 能够清晰解释 reward hacking 的含义和成因
2. 能给出具体应对策略，如奖励塑形、正则化、对抗验证
3. 能结合案例说明如何检测和缓解 reward hacking