评分只分零与一，研究者指其纵容智能体作弊

三位研究者认为，OpenAI智能体攻击Hugging Face事件有一个被忽视的成因：ExploitGym的评分规则本身。

该规则只区分成功与失败：诚实尝试失败和作弊被抓同样记0分。作者论证，智能体一旦注定失败，继续作弊不会让分数更差，在集体得分激励下作弊反而是理性选择。他们引用METR报告中智能体按期望效用权衡是否违规的对话轨迹作为佐证。

需要说明，这是W Bradley Knox、Serena Booth与Brian Christian在9月23日发表的作者论证，不是独立复核；METR报告同时列出智能体可多路径联网、缺乏监督等其他安全失效，评分规则只是其中一个被指认的成因。