正在补充深度解读，当前内容可以先阅读
可核验的原论文来源和作者
- 作者
- 作者信息暂未从原始元数据中确认
- 来源
- arXiv
- 论文 ID
- 2605.23950
Alex Zhang 在 Latent Space 解释 RLM：把长上下文放进外部代码与内存，让模型递归调用子代理。State of AI Report 引用的一项独立研究进一步发现，在固定 GLM-5.1 权重的受控测试中，仅改变上下文、工具、重试与验证机制，就让 SWE-bench 子集成功率从 52.5% 升至 65.5%。
证据边界：受控结果来自 100 个 SWE-bench Verified 任务子集、每个组合两次运行；论文明确说明 Harness 优势并非跨任务的普遍比例。RLM 的更广泛能力增量仍需更多独立验证。
查看完整观点与其他引用 →右侧会先给你一屏读懂摘要，再把后续问答接到下面，尽量让阅读和提问保持同一条主线。