💬 观点Latent Space
Academia is for Ambition — Alex Zhang, MIT — MIT 博士生 Alex Zhang 谈递归语言模型与 agent 编排，为何现
MIT 博士生 Alex Zhang 谈递归语言模型与 agent 编排，为何现有系统浪费了模型能力
2026-10-02原文
本文为要点摘要，完整细节以原文为准。
- RLM 与上下文卸载：Alex Zhang 提出的 Recursive Language Models 通过代码执行、递归子 agent 和共享内存来卸载上下文，其 harness 据称是首个接近解决 ARC-AGI-3 的方案。对 agent 开发者的含义是：编排层设计可能比模型本身更决定上限。
- harness 即组合泛化器：他认为 Claude Code、Codex、Pi 在结构上比看起来更相似，harness 设计能跨任务改善组合泛化。这意味着工具链的抽象方式是可复用的工程资产，而非一次性胶水代码。
- 能力过剩与推测式工具调用：他判断当前前沿模型已存在较大 capability overhang，并提出 speculative programmatic tool calling，让工具执行与生成重叠。对开发者的含义是：延迟优化和并行调用编排可能是下一个被低估的收益点。
原文：Academia is for Ambition — Alex Zhang, MIT · 作者 Latent Space