MIT 论文:LM Harness 是组合泛化器而非弱模型拐杖

MIT CSAIL 的研究者 Alex Zhang、Souradip Chakraborty 与 Omar Khattab 于 11-20 起连发多条推文发布新论文《LM Harnesses are Compositional Generalizers》,并获 Letta 的 Charles Packer、RLanceMartin 等同行转发点评。核心论点是:2026 年起模型已经足够强,harness 的价值不再是为弱模型补短板的「拐杖」,而是把 LLM 已有的能力组合起来、泛化到训练环境之外——由此提出 Recursive Language Models(RLM)。

已确认

为什么重要

该工作把 agent/harness 研究的叙事从「给弱模型打补丁」转向「组合泛化」,并为长程 agent 训练提供了可复用的合成数据训练路径,对需要数天 rollout 的极长任务场景有直接实用价值;Charles Packer 等从业者也在转发点评中指出,RLM 这类组合式 harness 能让 RL 训练的算力回报更高。

2026-11-20 ~ 2026-11-21 · 10 条相关

一手来源

另有 1 条近重复转述:RLanceMartin