Recursive Language Models — Alex Zhang, MIT PhD

摘要

Alex Zhang 探討將強大模型包裹在原始系統中遺漏的能力，分析編碼代理的相似性與 harness 設計如何釋放潛能。內容涵蓋 GPU 核心、GEV 模型及代理群體實驗，揭示未來語言模型可能由隱形代理群體構成。

Alex Zhang discusses the limitations of current agent systems and explores recursive language models and swarm intelligence.

這筆內容還沒有取得字幕或內文，這段摘要只根據標題與說明欄產生，可能不夠準確；實際內容請以原站為準。

提到的工具與公司

• Claude Code
• Codex
• KernelBench
• Kimi
• Neuralese
• GEV

適合誰看

從事 AI 研究、開發編碼代理或關注模型架構演進的技術人員。

摘要依據

講者

Alex Zhang

依據

標題與說明欄（還沒有取得字幕或內文）

為什麼排在這裡

人氣

0.71

新鮮

0.97

在主題頁與搜尋結果裡，名次由相關、人氣、新鮮三個分數決定；這一頁沒有搜尋的關鍵字，所以沒有相關分數。排序怎麼算

相關內容

• Academia is for Ambition — Alex Zhang, MIT文章 ・ Latent Space ・ 1 小時 41 分
• Recursive Language Models with Alex Zhang - Weaviate Podcast #142!影片 ・ Weaviate vector database
• Everything Gets Rebuilt: The New AI Agent Stack | Harrison Chase, LangChainPodcast ・ The MAD Podcast ・ 47 分鐘
• LLM Powered Autonomous Agents文章 ・ Lilian Weng（部落格）
• State of AI in 2026: LLMs, Coding, Scaling Laws, China, Agents, GPUs, AGI | Lex Fridman Podcast #490影片 ・ Lex Fridman
• Verified Graphs Beat AI Agent Swarms (in Science)影片 ・ Discover AI ・ 35 分鐘