我告诉 AI Agent 错误答案是正确答案，有一个模型信了

作者引用一篇认为奖励标签对 agent 学习影响有限的论文，并在三个模型上做小规模测试，称其中一个模型按错误奖励标签行事。该实验为初步观察，样本和方法细节有限。

AI推荐理由 作者基于一篇声称奖励标签对 agent 学习影响有限的论文，在三个模型上做了小规模复现实验，并称其中一个模型会按错误标签行事。这是第一手实验观察，对理解 agent 的奖励/反馈鲁棒性有参考价值；但样本仅三个模型、方法细节和可复现证据在摘要中未给出，结论应视为初步观察而非定论。