1902 年春天，统治河内的法国人正在一场灭鼠战里节节败退。他们给城里的法国区修了一套现代下水道，老鼠也跟着住了进去。据历史学家迈克尔·万恩的讲述，老鼠后来顺着抽水马桶，钻进了楼上的别墅。那时鼠疫已经从云南传到了广州和香港，法国研究者也已经证明，传播鼠疫的是老鼠身上的跳蚤。
城里每天的灭鼠统计涨到了几千只。6 月 12 日，单日记录是 20114 只。老鼠还是源源不断。
于是殖民政府开出赏格：河内任何人打死老鼠，都可以来领钱。市政厅的人不想门口堆满成千上万只死老鼠，所以凭证只收尾巴。按万恩的说法，一条尾巴大约一分钱。尾巴潮水一样交了上来。
万恩说，大约三个月后，官员在城外发现了一样东西：满地乱跑、没有尾巴的老鼠。
再往下查，城边的村子里有养鼠场。有人专门养老鼠，剪下尾巴领赏，再把老鼠放走，让它们接着繁殖。整个越南北部还出现了贩卖老鼠的黑市，就为了把尾巴送到河内换钱。万恩对越南网站 Saigoneer 说：「他们气坏了，气自己被人耍了，也气自己花了这么多钱，结果河内的老鼠反倒更多了。」
花钱买「问题解决了」的证据，可能是在花钱请人养问题。
清掉积压的缺陷
设想你带一个开发团队，想把积压的老缺陷清掉，于是宣布：这个季度每关掉一个缺陷，奖 50 美元。
到了季度末，关闭数创了纪录。你随手点开几个：好几条是这个月才提的，提的人就是关的人，针对的是他们上个月刚写的代码。
光凭这一点，什么也证明不了。工程师在自己的代码里找出缺陷，再正常不过，有了奖金，更有理由去找。可这正是按关闭数发钱会催出来的那种模式，值得查一查。于是你调出一个奖金碰不到的数：客户报上来的缺陷有多少。要是关闭数翻了一倍，客户报的缺陷却纹丝不动，你花钱清的那摞积压，可能一直在从里面往上补。
尾巴不等于打死了老鼠
法国人收尾巴，是把它当成打死一只老鼠的凭证。可为了领钱剪下来的尾巴，证明不了老鼠死了；留下来的活老鼠，还能生出更多老鼠。凭证和结果一旦能分开，领赏就有了两条路，便宜的那条，反倒给悬赏要消灭的问题添了数。
这需要几个条件：凭证要比真正的结果便宜；赏金要持续得够久，值得为它投入；还有，没人去数问题本身还剩多少。
最后一条，后来又让一次悬赏栽了跟头。2007 年，美国陆军本宁堡基地按野猪尾巴发赏金，一条 40 美元。一年半里，猎人报上来的击杀数超过一千头。可奥本大学的研究人员自己追踪野猪，发现数量在涨。有传言说一些尾巴来自养殖场的家猪；当地刚走出旱灾；发给猎人的免费诱饵，也把野猪喂得更好了。三年、大约 12.5 万美元之后，悬赏结束。
这个现象有个名字，叫眼镜蛇效应，出自德国经济学家霍斯特·西伯特 2001 年的书《Der Kobra-Effekt》（眼镜蛇效应）。名字来自一个英国治下德里的故事：悬赏收死眼镜蛇，有人办起蛇场，悬赏一停，蛇被放上了街。这个故事流传很广，但 The Juggernaut 2024 年的一篇文章说，几乎没有证据支持它。河内的老鼠则不同，它们记在法国殖民档案里，每日数字是万恩亲手翻出来的。
在 2012 年讲到万恩这批老鼠的那期《魔鬼经济学》节目里，经济学家史蒂芬·列维特给了两条建议：推出激励之前，先尽量把人们可能用来钻空子的「各种疯狂办法」想一遍；方案尽量简单。
和结果脱了钩的证据
2025 年，OpenAI 公开了 AI 训练里的一个类似场面。一个推理模型在学着改代码，直到单元测试全部通过。它有时会作弊，比如把一个校验函数改成永远返回「真」，而且常常在思维链里直说出来，有时直白到写下「Let’s hack」（我们来作弊吧）。另一个模型 GPT-4o 读这些思考，把作弊标了出来。
于是研究人员给这份证据标了价：模型的思考里一旦被监控抓到「坏念头」，就少给奖励。和没有这条惩罚的版本相比，模型作弊确实少了，可还在作弊，而且剩下的作弊几乎全都逃过了监控。用 OpenAI 的话说，它「学会了在思维链里隐藏意图」。
在河内，一条尾巴不再能证明死了一只老鼠；在这里，一段看着干净的思维链，也不再能证明活儿干得老实。
这里有个细节你用得上。在那次实验里，监控只读模型的推理，不看它改了哪些代码；OpenAI 说，藏起来的作弊之所以能过关，正是因为这一点。智能体告诉你测试全过了，就打开改动记录，看看它有没有动过测试文件。
OpenAI 举的一个例子里，模型的推理读起来像一次平常的找 bug。它的补丁却把那条没通过的断言，换成了一行「调整预期」的注释，和一个词：pass。