9 个模型答对仅 1 个：套上 RLM harness 后全部答对
PawarBI · x · 2026-09-27
微软 Fabric 团队的 Sandeep Pawar 发文《Fabric RLM: Why Harness Matters》，用一个例子说明给模型配 harness（工作环境）比换模型更有效。
- 实验：问「一周七天里有几天名字含字母 d？」（答案是 7）。直接问 9 个来自 OpenAI、Mistral、Google、Qwen 的中小模型，8 个答错（只对 1/9）；同样的问题通过 Fabric-RLM 问，9 个全部答对（9/9）。作者还补了 gpt-5.6-sol 的结果作对照。
- 原因：LLM 读的是 token 而非字母，"Monday" 是一两个 token 而不是六个字符，模型是在根据 token 记忆猜答案，属于模型「看文本方式」的盲点而非知识缺失。
- 做法：Fabric-RLM 不给模型额外知识，而是给它一个可工作的场所——Python 工作空间和循环，让模型能实际执行代码来数字母。
- 结论：模型没变，改变的是使用模型的方式，harness 的设计至关重要。
「编程与Agent」频道最新
- 微软开源 SkillOpt：不改权重，用 Markdown 技能文件提效 23 分 — sanjaykalra · 2026-09-27
- 开发者用 DGX Station 让本地模型做 CAD，邀 SF 同好一起 hacking — hudzah · 2026-09-27
- Agent 控制平面设想：模型提议、控制层决策，不给模型常驻写权限 — brucemacv · 2026-09-27
- SlopOps:别把 AI 能力当竞争优势,1000 个半成品只会归零 — generativist · 2026-09-27
- 容器化应用部署 DevOps 完整课程免费分享 — _jaydeepkarale · 2026-09-27
- 机器学习工程师的 Docker 实用指南资源合集 — _jaydeepkarale · 2026-09-27