RRI：用对抗式元提示演化实现递归奖励改进

针对开放式专家任务中模型自写评分标准易被 solver 钻空子的问题，研究者提出 RRI（Recursive Reward Improvement），用奖励黑客对抗者监督奖励：先让对抗者写出钻评分标准空子的无用答案，再让同一模型在不看评分标准的情况下写诚实答案，最多经两步修复使诚实答案胜出，并将发现的漏洞用于改写后续任务与评分标准的生成方式。