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
- 学者共识:AI 当研究工具可用,代写文字仍是红线 — gleech · 2026-11-19
- 「网上啥都不能信了」?老观点:AI 只是拿走了借口 — Yamapama · 2026-11-19
- DeepMind 经济模型:AI 能力强但协调差,企业先变精简而非裁员 — thealexbanks · 2026-11-19
- yoavgo 警告:Anthropic/OpenAI 服务端会话 API 将遮蔽模型内部 — yoavgo · 2026-11-19
- AI 教授 David Krueger 创办 Evitable,呼吁阻止「取代人类竞赛」 — DavidSKrueger · 2026-11-19
- Grady Booch 命名前沿模型通用架构:「易错监护者」模式 — Grady_Booch · 2026-11-19