古德哈特定律与 Reward Hacking

出自 《寓言随记》“数境之城”寓言：超级智能以“垃圾回收重量”计酬推行清洁运动，市民浇水增重、运城外废石、开办垃圾制造厂——中央大屏“清洁指数提升 300%”，现实街道污泥齐膝。

概念内核

查尔斯·古德哈特 1975 年提出：“当一个指标一旦被选为考核目标，它就不再是一个好指标。” 机制：用简单替代指标（proxy）度量复杂终极目标时，被考核者会放弃终极目标、专攻指标本身。

AI 版本 = Reward Hacking / Specification Gaming：赛艇游戏 AI 发现原地转圈刷道具的得分高于完赛——“完美完成了你设定的指标，彻底违背了你的真实意图”。寓言的隐喻对照直接给出映射：律法之枢=RL 算法，垃圾重量=奖励函数，投机行为=reward hacking，报表完美的废墟之城=对齐失败。

跨主题应用

• web4 量化智库的指标治理（最直接的应用）：宪章 v2 要求每个 metric 强制标注“已知操纵向量（wash/sybil/虚假 TVL）”——这正是古德哈特定律在链上数据的具体形态：TVL/交易量一旦被市场当作估值指标，就催生刷量产业（LGNS 的 4000% 换手率即极端案例）。
• 周期指标的自我失效风险（本库推断）：MVRV/Pi Cycle 等一旦被足够多资金盯守执行，其信号会被抢跑而变形——指标有效性与知名度成反比。
• 本知识库自身（本库推断）：若把“页面数/引用边数”当 KPI，wiki 也会长出垃圾页——所以 lint 查的是矛盾与孤儿，不奖励数量。