Harvey 后训练 RLM 智能体做并购尽调：基准通过率从 23% 提到 62%
lateinteraction · x · 2026-09-09
法律 AI 公司 Harvey 与 Baseten 合作，发布了对递归语言模型（RLM）智能体进行后训练以完成端到端并购（M&A）尽调的研究。
核心内容：
- 构建了 RLM harness：根智能体检索数据室、把文档审阅委派给子智能体、再统筹产出最终尽调备忘录
- 通过子智能体分布式审阅，可处理最多 8000 万 token 的数据室文档
- 在自建合成基准 LAB Diligence 上，RLM harness 将各模型的 rubric 通过率从 23% 平均提升到 62%
- 关键发现是「模型-harness 协同优化」：根智能体只处理 1-4% 的 token（子智能体处理 96-99%），但根模型的选择仍显著影响整体表现
这是模型-harness 共同优化在长程真实任务上有效的有力证据。
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
- Agent 群体比单体更可监管？两种安全视角交锋 — jd_pressman · 2026-09-09
- 让 AI 用你闲置的编程额度主动提案并自动建应用 — thisiskp_ · 2026-09-09
- AI 能解 Navier-Stokes,却写不出可维护的 TypeScript 抽象 — burny_tech · 2026-09-09
- 开源 MCP 服务器做上下文压缩：LongMemEval 召回 93.8% — Beginning_Note_5385 · 2026-09-09
- 18 个月人均产出翻三倍：CTO 揭秘去交接比 AI 写码更关键 — rseroter · 2026-09-09
- 14B 开源模型单卡 4090 打平自家托管旗舰，团队开源 mnemiq 基准 — ycombinator · 2026-09-09