如果说 Scaling Laws 决定了一代模型的天花板有多高，那 Harness 就是决定这个模型在现实任务中可以走多稳、多远的那层操作系统 … 从翁荔这篇新博文可以看到的是，她试图在回答一个关键问题：在真正能够修改自身权重的”硬递归”仍十分遥远时，真正能够持续实现递归自我提升（RSI，Recursive Self-Improvement）的循环，是否可能先从模型外面的这层”脚手架”开始 … 如果说上篇关于 Scaling Laws 的文章是在提醒大家，那个用于规划数十亿算力投资的公式没有想象中可靠，那么，这篇关于 Harness 的文章则更像是在告诉公众，通向递归自我提升的第一步，很可能并不是修改模型本身，而是先优化模型之外那个不起眼的 Harness。