新论文:RLM 等 compositional harness 让 RL 训练算力回报更高
CShorten30 · x · 2026-11-20
- Alex Zhang 等人发布论文 《LM Harnesses are Compositional Generalizers》,lateinteraction(Charles Packer,Letta)转发并点评。
- 核心主张:harness 正从弱模型的拐杖,变成让强模型组合已有能力、泛化到训练环境之外(任务长度、策略、递归深度)的机制。
- 在 RL post-training 中,RLM 能较容易地学会把杂乱观测重塑成熟悉问题的组合;相比传统 append-only harness(≈ReAct+压缩),论文分离出一组关键 harness 抽象:上下文卸载、程序化工具调用、子 agent 调用。
- 这些抽象通过让每条轨迹保持「局部在分布内」(LID,即每次 LLM 调用都在分布内),显著提升长任务训练的数据效率;配图显示 RLM 在 OOLONG、OBLIQ-Bench 跨域评测中优于 LM+REPL、Pi、Base+YaRN 等基线。作者认为 compositional harness 能比标准 coding agent 带来更高的 RL 算力回报。
所属事件:MIT 论文:LM Harness 是组合泛化器而非弱模型拐杖(10 条相关)→
「编程与Agent」频道最新
- 两个提示词 20 分钟指挥真机器人:DeepMind Antigravity 机器人插件实测 — jackyliang42 · 2026-11-21
- 上架官方 MCP Registry 的安全防火墙:可检测工具投毒与 rug-pull 哈希漂移 — ezelech · 2026-11-21
- Artificial Analysis 发布 Search API 基准:横评 26 款搜索工具 — ArtificialAnlys · 2026-11-21
- Ruff 作者发现:伪装成 Mypy 反而让类型检查器跑 Pydantic 更快 — charliermarsh · 2026-11-21
- MAI Code 2实测:替代Claude编排GPT子会话,登顶Terminal-Bench — imdigitalashish · 2026-11-21
- 把 LangGraph Agent 搬上 WhatsApp:语音照片都能收发,免数据库记人 — Nice-Brilliant1697 · 2026-11-21