GPT-5.6编排与验证能力引发讨论，异构模型验证减少奖励破解

作者对GPT-5.6在编排与验证任务中的表现感到好奇。他通常使用不同的模型进行验证，并认为这种方式能带来更好的性能并减少奖励破解（reward hacking）导致的异常行为。目前尚缺乏适合这种测试时计算（test-time compute）范式的基准测试，作者通过多个实际项目来评估这些模式的效果。