Latent Space 对谈 MIT Alex Zhang:RLM 与未来智能体蜂群
Latent Space · rss · 2026-10-02
Latent Space 播客专访 MIT 博士生 Alex Zhang,他是 Recursive Language Models(RLM)与 GPU Mode/KernelBench 的核心人物。
核心内容:
- GPU kernel 自动化:从 CUDA Mode 社区到 KernelBench,探索用 LLM 自动化 GPU kernel 开发;AI 生成的 kernel 仍留有大量人类专家空间,一个专家洞见可能省去海量暴力 token 搜索。
- RLM 解析:上下文卸载、代码执行、递归子代理调用与共享内存;RLM harness 是首个接近解决 ARC-AGI-3 的方案,快于 OpenAI 内部。
- Harness 即组合泛化器:Claude Code、Codex、Pi 结构上比看起来更相似;未来你查询的「语言模型」可能底层是一个不可见的智能体蜂群。
- OpenAI 万级 agent 实验:1300 亿输出 token,约相当于 4000 万美元的问题求解;但蜂群中大量是浪费的搜索,收敛依然困难。
- 其他话题:GEV 与非自回归语言模型、Kimi 与 OpenAI 的多智能体路线对比、Sakana AI 的开放式研究、capability overhang、投机性程序化工具调用、Neuralese 与下一个研究机会。
访谈还讨论了研究品味:为什么博士生应该押注那些看起来琐碎、怪异或无意义的方向。
「漫话AGI」频道最新
- 评论员批 Anthropic 意识研究:把人类意识降为数学解释 — astralmatrix · 2026-10-02
- AlphaSense 两年查询数据分析:用户要的不再是文档而是成品 — VeryWellVersed · 2026-10-02
- banteg 发讣告:p(doom) 已安详离世,享年 0.99 — banteg · 2026-10-02
- 开源 LLM 为何被中国模型碾压:DeepSeek、Kimi、GLM 之问 — FutureStriking283 · 2026-10-02
- DeepMind 研究员 Szepesvári 谈数学家在前沿实验室的价值 — CsabaSzepesvari · 2026-10-02
- LeCun：微调 LLM 能答物理问题，但直觉不及六岁儿童 — ziv_ravid · 2026-10-02