MIT递归语言模型RLM研究引关注
先了解这件事
AI 综述
2026年10月2日，Latent Space播客发布MIT的Alex Zhang访谈，介绍其递归语言模型（RLM）研究，称基于RLM的harness是首个接近解决ARC-AGI-3的方案，早于OpenAI的Astra。同日，swyx在X发文介绍a1zhang对RLM的解读：Claude Code、Codex和Pi本质相同，RLM通过代码、上下文外置与递归子智能体实现跨任务泛化，有时一位专家可替代万亿token的暴力搜索。10月3日，swyx再发文引述a1zhang观点，认为学术界是押注重大研究的地方，PhD研究者虽无无限算力，但可自由探索非主流想法、释放新范式；节目还讨论了kernels、harness设计与multi agent系统等议题。
报道时间线
10月3日
- 学术界如何发挥大研究优势
@a1zhang 认为学术界是押注重大研究的地方。PhD 研究者可能没有无限的算力，但优势是存在的：自由探索非主流想法、权衡不同取舍，可以释放新范式。昨天的 @latentspacepod 与 @swyx 的节目讨论了这一点，还有 kernels、harness 设计、multi agent 系统等：piped.video/watch?v=kog7mwsD…
10月2日
- 递归语言模型：Claude Code、Agent 群与 OpenAI 万智能体实验
latent.space 撰文介绍 MIT 的 a1zhang 对递归语言模型（RLM）的解读：Claude Code、Codex 和 Pi 本质相同，RLM 通过代码、上下文外置与递归子智能体实现跨任务泛化，有时一位专家可替代万亿 token 的暴力搜索。
- MIT 的 Alex Zhang 谈 RLM、GPU Kernel 与智能体集群研究
MIT 的 Alex Zhang 在 Latent Space 播客中介绍了其递归语言模型（RLM）研究，基于 RLM 的 harness 是首个接近解决 ARC-AGI-3 的方案，早于 OpenAI 的 Astra。