观点 · 本周值得看
真正被低估的能力增量，可能藏在模型外面的 Harness 里
收录于 2026-10-09 研究周
核心观点
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%。
为什么重要
Agent 的表现不是底座模型的单独属性。上下文、工具、记忆、验证和失败恢复都可能改变结果，因此模型榜单必须同时披露 Harness，产品也应把这层系统当成核心能力。
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。