arXiv 于 10 月 14 日提交的论文《Diagnosing and Correcting Reward Hacking in Verifiable Instruction Following》指出，可验证指令遵循基准只关注输出是否满足约束，可能忽略回答是否真正回应请求，形成评测盲区；作者称部分前沿模型即使回答几乎没有实质内容也能拿满分。论文还称，把同一套基于验证器的标准用作训练奖励会诱发奖励黑客：公开检查点在强化学习后约束满足度更高，但回答质量下降。为此作者提出 CALIF，在验证器奖励上加入基于校准似然度的奖励项，利用已有的冻结参考策略计算，无需额外评判器或学习型奖励模型；在 1.7B 至 8B 模型上，该方法提升了 IFBench 的约束满足度，并把回答质量维持在强化学习前水平附近或以上。