拒绝 Reward Hacking：我的大学四年

近几日，纷纷与同学们道别，我在经过无数次的地方停了又停、看了又看，拍了许多照片，很是不舍。忍不住回忆下我的大学四年，但让我不断想到的，想让我目前记录下的，不只是我这几年都做了些什么事，还有我那时候为什么选择这样做？

如果再来一次又会有什么不一样呢？

我想蹭下最近比较火的概念：拒绝 Reward Hacking，拒绝把自己的人生变成一个追求最大化单一指标的样子。

---

前面几篇的文章都是在毕业之际写的，或是一些各个方面的总结，或是一点点感想。大学四年的时光无疑是我这 22 年里面最浓墨重彩的四年，在离开学校的动车上，我写下这篇文章，记录下这四年的选择和经历，姑且算是一份私人小结吧。

Reward Hacking 原本是强化学习里的概念，意思是智能体利用奖励函数的漏洞，用非预期的方式拿到更高奖励。放到大学里，这个奖励函数很容易理解，无非是与绩点、排名、保研、奖学金、竞赛奖项这些沾边。这些当然重要，也确实能在各个场景中说明学生的优秀。但我想如果把这些指标当成了最终目的，忘记了学习和成长本身，那就很容易变成一种现实生活里的 Reward Hacking。

我在这四年里确实因为绩点不够高付出了些小代价，如果再来一次我或许会做得更 balance 一些。但我还是想认真记录一下，在一个几乎所有人都被提醒要“优化指标”的优绩主义盛行的社会中，我曾尝试坚持着把评价体系的奖励函数改成“是否真的学到了东西，是否更好的理解社会，是否更接近自己小时候想要成为的人”。

写下这篇文章并不是打算证明我做对了，因为这一点我自己也还不清楚答案，也没办法证明。所以更多的是记录下我把时间投向了哪里，以及这些选择怎样塑造了我，为以后的自己留下些此时的印记。

选择去外面看看

22 年的高考确实令人印象深刻。

那时我考出了人生中的最差排名。基本上我这个分数段的学生，为了上更好的学校，都会选择省内的学校，不太会选择出省上学。在看了许多曾经从来没有了解过的学校后，我与家里人商量，觉得还是想要出省，去外面看看，体验下别处的生活。好在家里人十分支持，我最终还是来到了南方，一个从来没有去过的城市上学。

既然是出省，想的是沿着东南沿海选择学校。那时一共可以填 90 个志愿，我填了 88 个，分为冲稳保三个层次。那一年张雪峰老师也正是最火的时候，经济虽然被疫情重创，但大家都认为我们可以快速恢复，仍然保留着疫情前的大体判断。我也根据当时的社会期望和自己的兴趣，选择了部分带电工科。

不出意外，那一年我感兴趣的专业排名档次全部比往年上升了许多，前面冲和稳的学校都够不上，一直到第 54 个志愿，华侨大学的计算机专业接受了我。

现在看来，我一点也不后悔当初的选择。来到一个与我生长环境不同的地方，身边全是有着与我家乡不同的文化氛围的同学，这本身就是我大学教育的一部分。

如果按照更稳妥的评价方式，我可能应该留在更熟悉、更可控的环境里，把风险降到最低。但那时我觉得，人生不该只是把已有路径走得更高效，更应该趁着时间还多，试错成本还低，去陌生的地方多去探索探索。

这大概是我第一次没有完全按照“最优解”来选择。

尝试追求新的东西

来到大学，我身边的大部分人仍然保留着高中的思想，想要追求保研，追求高绩点，很多学长学姐、家长老师也都这样嘱咐。确实，一个可以快速量化并比较的指标最方便展示个人的实力。 尤其在高考之后，我们也没离开这种逻辑。

但从高中走出来后，我开始想试试追求些新的东西，追求我心里真正想要的。我当然也很在乎评价，只是不想自己继续沿着同一种奖励函数活下去：高中最大化考试分数，大学最大化绩点和简历，工作后最大化薪资和职级。这每一步看起来都合理且高效，但如果从来没有停下来问“这些指标究竟服务于什么？”，难免在一路优化中，把自己真正的好奇心、感受力和判断力都交出去。我想看看那条别人不宣传的，少有脚印的路是怎么样的。

其实在高中时期，我就会买很多大学教材，比如陈阅增的《普通生物学》、《基础有机化学》，也会买很多科普类型的物理书籍去看，想要去了解我所学习的知识，看看有没有更进一步的解释，从高中就开始自学了许多知识。

虽然这些教材不全是积极的，比如大学的化学教材对我的高中成绩起了不小的反作用😂。高中的结论与大学教材的结论不一样，我总会按照大学教材的推理记混，导致做题的时候顾虑太多，速度慢了还总是做错。

或许从高中开始就有预兆，我不怎么关注怎么拿更多分，而是单纯的以为，如果我学会了这些知识，分数自然就上来了。

一直到高考结束后才认识到，针对考试这一件事，不仅要了解知识，还要了解为什么要考。只有两个方面都掌握了，才可以更好的拿到分数，以前我没有意识到“为什么要考“，所以或许走偏了些。

大一刚刚开学，我哥给我推荐了 csdiy 和 上海交通大学生存手册。我开始看这些在高考评价体系中最为优秀的人们写的内容，深以为然，也中二地想要成为他们这样有抱负有理想的人。于是我决定少花些精力内卷和争抢绩点，多学些真正感兴趣的东西，探索下这个社会里面的角落。

其实，今天在写下这句话时，也难免会想：“不追求绩点”这个决定可能是一种勇气，但也难说没有偷懒的想法在作祟。但关键不在口号，而在切实做到的事情。否则，如此简单拒绝一个评价体系，不过是掉进另一个更模糊的自我感动里。

接下来，我想谈谈我的收获。

友情：共同生活的人

不把绩点当唯一目标后，我最直接享受到的一点，是我与同学们之间的关系。

我与班级的同学相处都很融洽，绝大多数时候没有直接的利益冲突。我们之间也是能帮就帮，尽最大可能去分享快乐、感受快乐，大学期间获得了不少真挚的友谊。有不少同学受我的部分影响，学着去拓展自己的爱好，跟着我去锻炼身体，观看交响乐演出，在厦门这个大城市乐园里面留下了很多美好的回忆。我也通过他们的经历和爱好，混入了不少圈子，有了更多共同话题，渡过了一段充实且惬意的大学时光。

这件事对我很重要。根据我身边发生的故事来看，高强度的评价体系很容易把我身边人变成隐形的比较对象：他的成绩、她的排名、谁拿到了机会、谁又多了一项加分。久而久之，别人的成功会变成自己的威胁，别人的失败会变成自己的安全感。这种感觉并不舒服。

我很庆幸大学里没有长期陷在这种关系里。同学首先是和我共同生活的人，不该只被看成挡在我前面的竞争者。这样的关系让我在很多焦虑时刻都有可以求助、可以玩笑、可以一起吃饭散步的人。这些肯定没法放进简历里面，却是我大学四年最真实的收获之一。

阅读和社会：拓宽我眼中的世界

第二点是我学习了很多与专业无关的知识，看了不少书。

期间我学了一部分曼昆的《经济学原理》，也尝试读了毛选和《共产党宣言》，让我意识到自己与共产党员的思想差距，也让我有了更为坚定的立场和更灵活的视角。因为同学对日本文化感兴趣，我学着看了几本村上春树、川端康成的小说，还有《菊与刀》，一个美国视角下的日本文化。还因为他们看了不少动漫和二次元。

这些东西都不能变成可以量化的成果，但它们确实让我变得更不像一个只会做题和完成任务的人，而是在遇到陌生人，也可以试着找找共同话题，快速添加共识和兴趣。人需要一些看似无用的输入，才会理解别人为什么这样生活，社会为什么这样运转，自己为什么会在某些公共事情上焦虑、愤怒或感动。

第三点或许是与社会接触吧。 我很少参加学校内部组织的志愿活动，也没有为了加志愿时长以获得保研优势而多去参加一些简单活动，更多是去街上与人聊天，去社区搭把手，认识了不少在厦门认真生活的人，也认识了不少没有和我一样幸运的学习条件、但仍然以自己的方法努力生活的同龄人。

这些经历让我对社会上的焦虑和内耗减少了许多。因为当我真的看见具体的人，很多抽象的、互联网上互相撕扯拉踩的叙事就会变得没那么两极化。大家都在用自己的方式活着，有人幸运，有人艰难，有人混乱，有人坚韧。认识这些人之后，我更难把人生简单理解成一张排名表，也更加确定了我的方向似乎有可取之处。

与社会接触其实也有利于我的心理健康。因为一个人只在优绩主义的坐标系里理解自己，那很容易永远处在不够好的状态：学校不够好、成绩不够高、项目不够强、出身不够亮眼、未来不够确定。但现实中的人比这些标签复杂得多，也丰富得多，正如毛主席说过：

与天奋斗，其乐无穷；与地奋斗，其乐无穷；与人奋斗，其乐无穷。

健身：意想不到的收获

我在大学之前一直都很胖，一直到高二下学期和我的好兄弟做了同桌后，突然瘦了 30 斤左右。他喜欢健身，我就跟着他学习 （看来我还蛮习惯向周围人学习，嘿嘿），从那以后，我也开始健身了。

虽然练了这么久，估计也有四年了，最终身上仍然有不少赘肉，也没有练得多么好看。但健身的这个决定让我受益匪浅，仍然在生活的方方面面给我提供便利。首先是身体素质上来了，不容易生病感冒；其次是身上有力量，有时候我居然能连着坐着打超过 24 小时游戏，之后躺下睡一觉起来后也神清气爽，不会腰酸背痛得不行。当然最重要的是，健身期间学习了身体的知识，结合高中对生物的学习，我也学会利用生活的方方面面控制和调节自己的激素分泌，养成了还算不错的习惯，知道身体需要什么，避免了许多智商税产品。也有一个还算健康的身体。

并且健身也让我认识了社会上很多朋友，他们来自各行各业，有着不同的经历，也有来自不同国家、不同地区的同学，都是通过健身了解到的。

如果从功利角度看，健身也可以被包装成自律、形象管理和效率工具。但是一个健康的身体，一种稳定的生活节律，一些真实的社交和共同训练的时刻，本身就是生活质量的一部分。它们的意义不在于让我在下一轮竞争里更能熬夜，而是尽可能的去发展自己，兼顾思想和身体。

比赛和项目：成果之外，学会真实地做事

本科期间我也参与了几个比赛，我学习最多的是数学建模这一类的比赛，还有一次大创的经历。除了专业方面的知识，团队合作的方法更让我印象深刻。

数学建模

针对数学建模这种为期 3 天的比赛，我们从拿到题目只有 3 天的时间，最终结果是要写一篇论文出来。不管怎么样还是有一定挑战性的。即使有了 AI，也要对基本的算法有基本了解，分析数据适合什么样的算法，才可以使用 AI 编程来解决具体问题。

在期间我们经历过很多意见不一致的情况。比如我一般认为类似于美赛的 A 题和 B 题，对现实问题进行建模并分析的内容更有挑战性些，也更有意思些，我更倾向于这种。但我的队友和我也考虑为了求稳，所有正式比赛都选择的数据分析类题目。因为我们是计算机专业，对物理上面的很多专业知识不如对应专业的同学清晰。选择数据分析类，反而更与我们的专业知识有些许重合，一般都是套用几个机器学习算法，拟合出一个差不多的结果，然后写一篇论文出来。

在比赛期间，我们通常要连着熬 2 天夜，情绪也难免有波动。作为队长（其实也是后来才意识到这个身份还是有一定的价值的），我主要要做的是：怎么在队员情绪不影响效率的情况下，按照既定计划和分工完成工作；确定我们的题目方向；结合自身的知识熟练度得出解法并说服队友为什么这样做是最适合我们的；以及在出错后及时回正方向盘，优先解决问题。

这些都是我在犯过一次错后，自己慢慢总结摸索出来的。我们第一次数模比赛在提交的前一天就直接放弃了，最主要的原因是作为组织同学一起比赛的人，我没有做好一个带头作用，而另外两个同学相互不算熟悉，导致大家相处起来有些尴尬，也不敢表达自己真实想法。类似的错误我也都是犯过一次才明白，比如沟通的重要性、如何快速对齐进度、如何迅速调整方向等等...

比赛当然也有很强的指标导向：获奖、评级、证书、综测加分。但我后来发现，真正留下来的并非那张证书，更多是失败后怎么复盘，团队意见不一致时怎么推进，压力很大时怎么让大家还愿意继续相信彼此。这些能力也没那么容易被评分表捕捉，却更接近“真实地做事”。

大创：浅尝科研之路

大创项目是学长推荐我做的，说可以学习到不少东西。我主动向我的本科生老师联系，并且找到了一个我和队友们都还算感兴趣的方向，确定了项目题目，开始了为期一年的科研经历。

刚刚开始主要是一大堆的文书工作。我也是第一次把我们的项目申请书改了又改，多谢我的导师耐心教导，我在不断修改的过程中，也逐渐摸索出了与导师的联系方法（与初高中的老师是两种相处思路），也慢慢摸清楚一个标准的文档应该怎么去写。我在我大学两年的简单科研实践中，也十分感谢我的导师。

说到团队合作，为期一年的项目以及 4 名同学作为队员，相较于数模比赛，难度又上升了许多。首先是确保同学们真的学习到了可以后续用到的知识，其次，是我作为组长，应该及时确定下来技术栈并安排好方向，组织线下活动让大家互相了解，确定责任划分以及进度的定期检查。这些我都没有做到。大家之间的交流也经常隔了一两周才能得到回复，让我们的项目推进远远落后于别的小组，那段时间也是我最焦虑的时间，既害怕结项不了耽误大家，也不想这么容易就认输。

在中期答辩后，我开始阅读我们大一计算机导论老师推荐的《人月神话》，开始意识到自己的管理和沟通问题，并及时调整，好在最后真的顺利结项了。

在大创期间，我也是第一次意识到了交流的重要性。在中期之前，一直由于自己进度慢不敢联系老师，怕被老师责备，后面才体会到老师的作用更偏向指引，而我也应该主动向老师报备交流。

同时我之前提到过的同学们和我的关系不错，听我倒了不少苦水，他们也都默默的支持和安慰我，甚至主动和我出去散心，我都十分感激。

大创最像一个可以被 Reward Hacking 的系统：像是结项材料、答辩、成果要求，有很多可操作的空间。大可以把它做成一套漂亮但空心的材料，也可以把它当成一次笨拙但真实的科研和协作训练。

我并不敢说自己做得多好，甚至很多地方做得很差，但至少这段经历让我知道，真实项目光靠热情很难完成，它需要沟通、计划、责任分配，也需要在进度很糟糕的时候承认问题并重新组织，最后的结果远没有我在过程中学到的东西重要。

虽然通过我的观察，也有不少同学的大创项目是所谓的“祖传项目”。我也亲眼看到在我前一届的某一项目结项答辩后，在我同届的大创中又成功立项了，且是同一批老师听完答辩又通过下一届的项目的。或许大家说大创水也是如此。但同时，我也在互联网上注意到了有许多和我一样，没有一开始拿到现有资源，仍然努力的同学们。不管是否有前提资源，还是推荐大家去试试，人真的会在做事的过程中成长许多。

租房：第一次独立生活

为了完成大创项目，我自己组装了一个电脑，而学校的四改六宿舍又不支持机箱的存在。并且我一旦需要完成项目，常常沉迷修 bug 忙到半夜三点到四点。为了不打扰室友，也为了有一个更专注的环境，我和家里说明情况，出来租房住了两年。离学校不远，但是独立的生活确实是我从来没有过的经历。

在租房期间，办理各种手续，打扫收拾卫生，甚至终于有机会自己给自己做饭吃，都是很新奇的体验。

这些经历很难被算进大学评价体系里。没有人会因为你学会做饭、交水电费、收拾房间、安排自己的作息而给你加分。但我越来越觉得，独立生活本身就是大学的一部分。它让我从一个被安排的人，慢慢变成一个需要自己维护生活秩序的人。

成长不一定都发生在教室、实验室和竞赛场里，有些成长就发生在某个凌晨收拾完桌子，发现自己真的可以把生活一点点维持起来的时候。

没有绩点神话，也没有轻松自由

写到这里，如果只写好的方面，那就是自我辩护，像是想要强行给自己洗脑。

坏的方面确实让我很受挫。由于没有追求绩点，最后的成绩落在了 3.97/5.00，与在我排名之前同学们的 4+ 绩点显得有些不够看。距离学校的保研名额就差 2 名，分数差也很小。如果把一些小课的成绩刷上来，或许我又可以多一年的时间去尝试些更大胆的事情。如果再来一遍的话，我也绝对会尝试更精妙地掌握些平衡，不要错失这个机会。尽管我也深刻意识到，如果时光倒退，我也依然会做出我当时的选择和决定。

这也是我现在对“拒绝 Reward Hacking”更谨慎的原因。拒绝单一指标，不等价于无视规则；追求真实学习，也不等于可以不对结果负责。评价体系虽然有问题，但它也确实掌握着很多机会的入口，我的绩点虽然不算特别高，但我还算不错的排名和学习经历也确确实实给了我不少机会。我爸也经常和我说：

一个人要了解规则，利用规则。如果完全不理解规则，就很容易在关键节点付出很高代价。

所以我不想把这四年总结成“我不卷，所以我自由”，这种只抓眼球不负责的口号。更准确地说，是我在自由和机会之间、兴趣和指标之间、长期成长和短期门票之间，一直做着不太成熟的权衡。有些选择我现在仍然认可，有些选择则会在夜里想起时感到遗憾。

我将这些遗憾也视作我现在的一部分。这些提醒我，真正好的生活策略不能只是简单反抗评价体系，为了反而反，而是要理解指标的力量，同时避免被指标完全支配，就像我高中的体会一样，要明白知识点，还要明白为什么考这个知识点。

优绩主义之外，还有什么？

这几件事情几乎概括完了我的大学时光：自学、健身、比赛、项目、租房，还有许多和朋友一起浪费掉又珍贵无比的时间。说起来很快，期间的每一个细节，遇到的挑战和好运气我都历历在目。火车也快到站了，我也快点结束。

写完这篇，我仍然没有一个漂亮的答案。大学四年让我更深地理解了优绩主义的吸引力：它清晰、直接、可比较，能告诉你现在排在哪里，下一步该怎么努力。对于很多普通人来说，它又是一种相对公平的上升通道。

但我也越来越怀疑，它能不能作为贯彻人生的最高目标。因为当一个人总是通过“比别人更优秀”来确认自己，就很难真正停下来问：我学到的东西是否让我更自由？我创造的内容是否真的有意义？我和他人的关系是否更真诚？我是否在理解更大的世界，还是只是在更小的排行榜里爬升？

或许，人生需要一种比优绩主义更好的目标。

它不应该否认努力，不应该轻视能力，不应该把懒散包装成清醒。但它应该比“赢过别人”更宽阔一些：能容纳真实的学习、具体的爱、对社会的理解、创造的快乐、身体的健康、与身边人共同生活的记忆，也能容纳那些没有被指标记录却确实让人成长的时刻。