刚刚，翁荔博客又上新：通过Harness工程实现AI自我提升
<img src="https://image.jiqizhixin.com/uploads/article/coverimage/4ce33fb2-bab8-4c39-b09a-aa41106ec64f/057(2).jpg" referrerpolicy="no-referrer"<p刚刚，翁荔（Lilian Weng）又更新博客了！距离她上一次更新《<a data-itemshowtype="0" data-linktype="2" href="https://mp.weixin.qq.com/s?biz=MzA3MzI4MjgzMw==&mid=2651041319&idx=1&sn=1189d440d7e15d028782e4324fd90ee3&scene=21wechatredirect" target="blank"谨慎对待 Scaling …
正文摘录
刚刚，翁荔（Lilian Weng）又更新博客了！距离她上一次更新《[谨慎对待 Scaling Law](https://mp.weixin.qq.com/s?biz=MzA3MzI4MjgzMw==&mid=2651041319&idx=1&sn=1189d440d7e15d028782e4324fd90ee3&scene=21wechatredirect)》还不到 10 天。要知道，之前她的博客已经断更了 13 个月。不知道这是否意味着她又要开始进入高产模式了？  这一次，她书写的主题是当前大热的 Harness Engineering ，聚焦的正是当下 AI 研究最前沿一个环节：当模型本身的智能已经足够强大时，真正决定它能走多远的，或许是包裹在模型外面的那层「Harness」也就是负责编排模型思考、调用工具、管理上下文、评估结果的那套系统。 翁荔在文中系统梳理了从 ACE、Meta Context Engineering 到 Self-Harness、Darwin Gödel Machine 等一系列围绕「 Harness 自我优化 」展开的研究工作，并试图回答一个更根本的问题： 递归式自我提升（RSI）究竟会先发生在模型权重层面，还是先发生在这层「脚手架」上？