MIT 博士生称 harness 设计可让 RLM 迁移到 100 倍长任务

a1zhang · x · 2026-07-21

- MIT 的博士生 Alex Zhang 在这条转述里提出：**递归语言模型（RLM）里的“泛化”很大一部分可以由 harness 来完成**，如果设计得足够巧，某些 scaling 收益几乎能“白拿”。 - 他的核心观察是：模型如果只在**短任务**上训练，迁移到同一领域里**长 100 倍**甚至更长的任务时，依然可能表现出很强的泛化能力。 - 引文中的表述进一步强调：设计良好的 harness 会把不同任务轨迹压成结构等价，模型本体不必独自学会全部泛化能力。 - 这条帖子的重点是：**泛化的重心正在从基础模型，转向编排/组合层**。