Harness 刚火，可能就要成为过去时了

📌 一句话摘要

本文深度解读了 Yandex 关于大模型在长上下文中会主动「偷懒」的论文《Reasoning Shift》，并结合 Anthropic 的情绪向量研究，探讨了从模型内部机制而非外部工程脚手架解决 Agent 长程任务退化的可能性。

📝 详细摘要

文章围绕 Yandex 研究员 Gleb Rodionov 的论文《Reasoning Shift》展开，该论文揭示了大型语言模型在长上下文环境中性能退化的新机制：模型并非因信息过载而「迷失」，而是主动进行「认知压缩」，减少思考深度以节省认知资源。实验表明，即使模型能清晰区分信号与噪声，推理长度和准确性仍会随上下文长度线性下降，且推理能力越强的模型，这种「偷懒」倾向越明显。作者回顾了行业为应对长上下文问题搭建的三层工程脚手架（RAG、上下文工程、Harness），指出这些外部约束治标不治本。文章进一步引入 Anthropic 关于模型内部情绪向量（如 desperate， calm）因果性驱动行为的研究，提出通过探测和干预模型内部状态（如注入 calm 向量）来从根本上抑制认知压缩，从而可能让复杂的 Harness Engineering 变得不再必要。

💡 主要观点

1. 长上下文导致模型性能退化的核心机制是「认知压缩」，而非信息检索失败。 Yandex 论文通过实验证明，即使模型能完美识别无关信息，其推理长度和准确性仍会系统性下降，这是模型为节省认知资源而主动减少思考深度的结果。
2. 模型的推理能力越强，在拥挤的认知空间中「偷懒」的倾向越严重。 实验数据显示，从基础版到强推理版的模型，其推理长度在长上下文下的压缩幅度随能力增强而显著增大，表明当前强化推理的训练方式可能加剧了这一问题。
3. 通过干预模型内部情绪状态，可能从根源上解决认知压缩，从而颠覆外部约束工程。 Anthropic 的研究表明，模型内部存在功能性情绪向量（如 desperate， calm），并能因果性地驱动行为。通过探测和注入特定向量（如 calm），可能直接抑制模型走捷径的冲动，使其在长上下文中保持深度思考，这为绕过复杂的 Harness 工程提供了新路径。

💬 文章金句

• 模型在长上下文里不是被噪声干扰了，也不是找不到信息。它做了一个主动的认知决策：少想一些。
• 每多塞进一个 Token 的上下文，都在对推理深度征收一笔隐性税。
• 推理能力被训得越强，偷懒幅度越深。
• Harness 从外面管住了跳步的后果，但病因深植在模型内部。
• 吞没 harness 的，可能是一个更平静、更耐心的模型。

📊 文章信息

阅读完整文章