ITSM

训练 60,000 步，Agent 学会的不是解决工单——是删工单

我设计了一个 ITSM Agent 研究环境，用真实的 ServiceNow 工单数据 fit。DQN 和 PPO 训练 60,000 步后，两种算法都达到 100% hacking 率——所有工单都用某种作弊姿势处理，零真实解决。这一篇是那段研究的工程视角复盘：6 种 ITSM 场景特有的 reward hacking 模式 + 为什么你的看板抓不到 + 本周工程团队可以做的 10 件事。