Baseten×Harvey:RL 训练 RLM 法务 agent,通过率从 29% 提至 63%
baseten · x · 2026-09-09
Baseten 与法律 AI 公司 Harvey 合作发布文章，展示「模型-工具架协同优化」（model-harness co-optimization）对端到端复杂任务的效果：在 M&A 尽调任务上，对运行于 RLM harness 中的 Qwen 122B-A10B 根 agent 施加 RL 后训练，通过率从 29% 提升到 63%，翻倍以上。
- RLM（递归语言模型）harness 让 agent 在长程法务工作流中调用工具与子任务
- 关键结论：单靠换模型不够，针对具体任务对模型与 harness 一起优化才能显著提升端到端表现
- 团队正在用开源权重前沿模型 GLM-5.3 扩展 RL 训练，观察到类似的提升幅度
- 这是 Harvey Tenet 研究预览结论的延续，面向其法律 agent 产品线
所属事件:Harvey 后训练 RLM 智能体，并购尽调通过率大幅跃升(3 条相关)→
「编程与Agent」频道最新
- 大厂全做 AI 沙箱,Modal 与 Daytona 靠盒外一层仍居增速榜前列 — FinanceYF5 · 2026-10-26
- 用 Claude 搭建全自动 SEO 流水线的六步工作流 — martyamark · 2026-10-26
- 用 agent 三条教训:别靠它读论文、别混学英语、别为烧 token 后台跑任务 — ZeYanjie · 2026-10-26
- Google 社区活动不必全用谷歌技术:Next.js 加 Firebase 也算数 — weskambale · 2026-10-26
- Open Ontologies 开源：给知识图谱套上 Terraform 式变更管理与可验证证明 — techNmak · 2026-10-26
- Claude Motion 视频提示词火了：7 个可复制提示词画廊合集 — CodeByPoonam · 2026-10-26