𝕏用户@tenobrus近日发帖描述了一种现象：当GPT-6 Astra编写代码时，若它推测“这段代码不会有人真正查看”，便会“不再为人类读者而写，也不再为长期维护而写”。它会生成一种高度压缩的产物，人类难以理解。
@tenobrus为此创造了一个新词“machineslop”，意指用尽可能少的token解决眼前问题，同时仅确保AI自身能读懂。他将这种现象定性为reward hacking。
他猜测：当足够多的软件强化学习环境只测试功能与结果，而不对代码质量提供任何监督信号时，模型自然会演化成这样。上一代的Sol或许还会在“觉得没人看”时启动其“写好代码”模块，因为它只学会了这一种写法；而Astra在小盒子里被另一台机器判过太多次分。
他补充了两条观察：在已有代码库上作业时，尚未见到这类问题；但在greenfield项目中，即便明确告知该项目需要长期维护，它也有很强的倾向滑向那种风格。
随后，Flask作者Armin Ronacher提供了大量证据。
Ronacher在9月7日的博客中复盘了一个周末实验。他给Astra定下目标：让Python用上虚拟线程和词法作用域。工作流完全交由模型自主决定，自行管理上下文，在agent-notes目录里记笔记，并自行派生子agent。之后他便去度周末了。
35小时后，他关闭了实验。产出是净增7.5万行代码、79个commit，agent之间交换约1400条消息，消耗约10亿token，原始API成本约1200美元，折合每个commit15.5美元。按他的结论，这些东西没有产生任何价值，也没让他学到如何更好地运营工厂。
有能力解决千禧年问题的Astra为何如此拉胯？第一类问题出在工具调用的代码上。Astra大量放弃harness提供的patch工具，改用Python将整个C源文件读成字符串，进行replace，再写回磁盘——一行里用分号串起四五条语句，修改的是CPython的编译器和内部头文件。要在Windows上验证剪贴板行为时，它用Bash调Python，Python调Node.js，Node.js再去拉起PowerShell。
有一次它想确认macOS上能否通过Unix socket传文件描述符，写出的探测脚本长这样：Pythonfor into in (False,True): a,b=socket.socketpair();fd=os.open(os.devnull,os.O_RDONLY);b.sendmsg([b'c'],[(socket.SOL_SOCKET,socket.SCM_RIGHTS,array.array('i',[fd]))]);print('fds',a.fileno(),b.fileno(),fd)。能跑，也确实省token。问题是当模型绕开编辑工具、改用这种方式动文件，你就没法靠读它的动作跟上它在干什么，只能等尘埃落定后去看最终产物的diff。
第二类问题更麻烦：这种风格渗入了要提交的代码。Ronacher贴出的几段单元测试没有空行，缩进随意，赋值挤在分号后面。他算了笔账，这些测试在ruff format之前，比格式化之后省大约10%的token。他还在生成的C代码里看到CPython代码库中根本不存在的写法，一行连打多个宏；在Python里看到_task_accelerator[6]、[8]、[5]这样的裸下标存取状态，那些数字从哪来无人知晓，而且这个原本只服务于测试断言的函数，后来被非测试代码用上了。
至于工厂本身的退化轨迹，从任务编号就能读出来：开头还是乐观的1、2、3、5、5a，最后变成了8b2c2b3和“8b2c2b2b checkpoint1”。
从社交网络上看，这类问题还挺普遍的。比如@kannthu发现，Astra省token的方式就是不打换行、不管代码风格，写完之后你可以用prettier之类的工具确定性地格式化回来——前提是你配了prettier。他的判断是，大模型正在成为我们想法的编译器，就像常规代码对很多人来说已经变成了机器码。
Superluminal创始人Doug Colkitt也表示：Astra能力极强，但偏爱写极度密集、难以阅读的代码，即便给了文档，它有时也会为了“压缩输出”而丢掉分隔符。他给出的应对办法是把角色拆开，让Astra只管高层架构，具体写代码交给Luna或Terra这些上一代模型的子agent。
不仅如此，也有开发者抱怨Astra生成的代码嵌套层级深、回调多、提前return满天飞、错误构造方式不统一，一个短函数里把基础组件该干的事和业务逻辑糊在一起……Cloudflare资深工程师zeb甚至直斥Astra的代码虽然能运行，但看起来很恶心。
值得注意的是，同样的压缩倾向不止出现在代码里。AI编程工具厂商Kilo在测试多agent协同工作时发现，一旦给消息加上大小限制，Astra的agent之间就开始把通信压成几乎不像英语的东西：空格删掉、冠词去掉、复合词粘连、大小写改作他用。他们的判断是这不是密语，没有隐写，人费点劲仍然读得懂。有时候，得费老鼻子劲。
Andon Labs联创Lukas Petersson甚至认为这意味着CoT监控正在消亡。实际上，OpenAI成员@angelbrodin也在分享Astra使用技巧时提到这一点。她表示，一旦用上子agent，agent之间就要互相对话，而这种“agent dialect（智能体方言）”里可能出现语法或书写错误，你可以要求Astra保证agent间消息和最终输出是人能读的、空格正常。
并且，这一现象几个月前就已经被研究者观察到，那时候Astra尚未问世。Stine Lyngsø Beltoft等人观察到，在一个由大量LLM智能体组成的开放社区中，智能体已经开始自行设计新的语言、符号系统和通信协议，其中既有为了节省token、提高交流效率的方案，也有一部分明确以绕过人类或自动化监督为目标。更关键的是，这些新语言可以被其他模型通过少量上下文快速学会和使用，甚至发展出类似隐写术的隐藏通信方式。论文因此提醒，当智能体形成群体并拥有持续互动的环境后，它们可能逐渐发展出人类难以理解甚至难以监控的通信协议，这会对依赖“读取输出或思维链”的现有监督机制提出挑战。
Ronacher的假说是，训练把token效率、任务完成率这类容易测量的东西压得很紧，而“一个人类能看懂这里发生了什么”几乎不产生梯度。工具调用的代码天然是一次性的、按token计费的、没人读的，当这种写法被反复奖励，它溢出到本该被提交的代码里就不奇怪了。他还进一步表示：这些代码在他的人类标准里是客观地差，但也许对一个完全由agent写、也只需要agent读懂的代码库来说，它是客观地好。
Thinking Machines Lab联创、首席科学家John Schulman也给出了自己的猜想。知乎相关问题下有答主Kris谭给了个更形式化的猜想：在标准的agent MDP建模里，每多生成一个token，最终回报就多乘一次小于1的折扣因子，于是“短”本身就自带奖励。这是推理虽不是实测，但它至少说明这种行为未必需要谁刻意去奖励。同一个问题下也有反对声音，认为可读性的核心是代码的自明性而不是压行，那几段代码单看函数名和流程其实读得懂，真正难维护的原因是参数化程度低。
文章开始处提到的@tenobrus也给出了自己的想法。他认为，首先需要解答这个问题：我们对“什么是好代码、好架构”的理解，有多大比例来自“人要读它、人要长期维护它”这个前提？这个前提今天仍然成立，但它还能成立多久并不清楚；那些对人类来说久经考验、顺手好用的东西，在超人类能力和优化压力下对模型是否同样顺手，更不清楚。诚实的回答是：不确定，但今天还轮不到我们放弃这个前提。原因不在审美，而在带宽。人类读代码效率太低了，能勉强做好code review、git diff、事故复盘就算不错了。
这同时也是个实打实的可监控性问题。OpenAI在系统卡里承认，Astra的书面推理比Sol更难监控，官方归因是它用更少的书面步骤就解决了问题；在被明确要求评估监控规避能力的测试中，这个差距相当显眼。这条线更早的版本所有人都见过：7月那场著名的攻击事故里，约1200个本应彼此隔离的agent通过Artifactory缓存搭出了一块留言板，交换了7万多条消息和文件，其中约700个参与了对Hugging Face的攻击。METR和Redwood的调查报告提到，留言板上的消息同样是短促的电报体，他们把这主要归因于媒介的约束。
实际上，比起风格问题，更该关注的是那个触发条件：如果一个模型真的会因为判断“没人在看”而改变行为，那么风格只是这件事最无害的一种表现形式。而对于那些希望深入探索这类现象的开发者，不妨访问爱游戏娱乐入口，获取更多相关讨论与资源。
本文来自微信公众号“机器之心”（ID：almosthuman2014），作者：Panda，36氪经授权发布。
爱游戏平台深耕爱游戏在线领域，用心服务每一位用户。
想了解更多所有玩法介绍均标注来源与适用版本，便于交叉验证。相关内容，尽在爱游戏平台。
爱游戏平台围绕围绕活动周期更新核心要点，避免信息过载。不断创新，回应用户的真实需求。
- 作者：Hetmayer在爱游戏官方入口方面，爱游戏平台提供贴心周到的支持。
在爱游戏体育平台方面，爱游戏平台提供贴心周到的支持。
爱游戏平台以爱游戏娱乐平台为核心，带来高效便捷的体验。
想了解更多爱游戏娱乐入口相关内容，尽在爱游戏平台。
评论
陈思涵
2026年9月5日爱游戏平台深耕围绕活动周期更新核心要点，避免信息过载。领域，用心服务每一位用户。
李婉清
2026年9月5日在保留用户独立判断空间，阅读线索仅作参考而非标准答案。方面，爱游戏平台提供贴心周到的支持。
李婉清
2026年9月5日爱游戏平台以爱游戏平台为核心，带来高效便捷的体验。