递归才是外挂：RLM 作者谈 harness 的本质

harness 到底是什么？递归语言模型 RLM 论文的第一作者、MIT 博士生 Alex Zhang 做客 Latent Space 播客，给出了一份难得的第一视角拆解。这篇访谈信息密度极高，值得做工程的同学细读。

RLM 的核心抽象

在 RLM 里，harness 中唯一的工具是代码。模型可以把自己当工具递归调用，上下文不再追加在提示词后面，而是存进代码环境里的记忆（比如文件系统）。Prime Agent 把这套抽象落在了 Pi Mono 上。

由此带来一个漂亮的性质，作者称之为组合泛化器：在短任务上训练的 RLM，直接泛化到八到三十倍长的任务。原因是高层解题策略可以迁移，子代理看到的问题各不相同，但整体程序结构是一样的，而且这个论证可以沿递归层级归纳上去。

harness 们其实长得一样

访谈里最扎眼的判断：Claude Code、Codex 与 Pi 在结构上几乎相同，本质都是轨迹当提示词的循环。对强模型而言差别只剩成本；更好的模型完全可以在一个简单前端后面藏一支蜂群或脚手架。

说到蜂群，他算了 OpenAI 那次万级 agent 实验的账：一万个 agent 跑八十八小时，一千三百亿输出 token，约合四千万美元。他的评价很直接，比想象中便宜，但其中约 95% 的 token 是无用功；真正难且令人佩服的是收敛到答案的过程，而 Kimi 的蜂群与动态工作流正是在收敛上掉了队。

几条工程与生态的注脚

三条注脚都很实用。第一，GPU Mode 排行榜上几乎全部内核都由 AI 生成，但前十名里只有专家 Gauners 的方案在真实端到端系统里稳定，一个懂行的验证者能省掉海量暴力 token。第二，Jev 证明语言模型不必是自回归文本解码器，换掉输出空间后简单分类任务约省四百倍成本，恰好补上 RLM 子代理调用的低延迟短板，这与站内写过的 Cloudflare Clef 三件套互为印证。第三，生态已在跟进：Harvey 为法律工作后训练了 RLM，ARC-AGI-3 的 Kaggle 竞赛里 RLM 式 harness 抢在 OpenAI Astra 之前接近解开赛题。

访谈最后聊到研究品味：SWE-bench、ReAct、Quiet-STaR 与 RLM，当初都被认为琐碎、奇怪或无意义。学术界的价值恰在于可以下这种不必向算力交代的大注。