MIT Alex Zhang 谈递归语言模型:一万 Agent 实验与 130B token 输出
a1zhang · x · 2026-10-02
Latent.Space 播客发布对 MIT 博士、Recursive Language Models(RLM)一作 Alex Zhang 的长访谈。要点:
- 为什么 Claude Code、Codex、Pi 本质相同:它们都是围绕同一批强大模型的不同 harness,当前系统封装方式的原始程度让模型能力被大量浪费。
- RLM 的核心思路:让模型把自己的 prompt 当作外部环境中的对象,通过代码执行做上下文卸载(context offloading),并递归调用子 Agent 来泛化到各种任务。
- 专家 vs 暴力搜索:在某些问题上,一个「专家 Agent」可以替代万亿 token 级的暴力搜索,说明 harness 设计比堆算力更关键。
- OpenAI 实验:团队做过 10,000 个 Agent、产出 130B 输出 token 的大规模多 Agent 实验,揭示语言模型未来走向。
- 学术界优势:在于可以自由下「奇怪而宏大」的研究赌注,如同早年 featured 的 Shunyu Yao、Jack Morris 一样,Zhang 被视为新兴明星 PhD。
所属事件:MIT 博士 Alex Zhang 深谈递归语言模型释放模型潜力(2 条相关)→
「漫话AGI」频道最新
- 深圳 5 岁小孩用 AI 给父亲的饺子店写收银系统 — alexmacgregor__ · 2026-10-03
- Personal agent 别再订餐厅了,用户真正想要的是自动报税对发票 — sujingshen · 2026-10-03
- Benjamin Bratton 列人与 AI 的本质差异：生育、做梦、麻醉、人群 — bratton · 2026-10-03
- 从《我，机器人》到 Jev 模型：哪些决策不该交给公式计算 — rasta321 · 2026-10-03
- Burkov 讥讽:无人讨论开源权重模型可被滥用造恶意软件? — burkov · 2026-10-03
- Scaling01:希望人类永远别解决对齐问题，好让前沿模型总有减速理由 — scaling01 · 2026-10-03