Apakah harness dapat membuka sistem AI yang lebih kuat? Para peneliti telah mengembangkan harness baru yang memungkinkan model yang ada menangani alur kerja yang lebih panjang dan lebih kompleks. Recursive Language Model (RLM) menyimpan file dan dataset besar di luar konteks utama model. Model ini menggunakan kode untuk memilih bagian-bagian yang relevan, mengirimkan masing-masing melalui permintaan model terpisah, dan menggabungkan hasilnya. Ini berbeda dari sesi biasa, di mana file, output alat, dan hasil menumpuk dalam satu konteks. Seiring bertambahnya konteks, model bisa mulai kehilangan jejak detail penting. Untuk menguji apakah struktur ini juga meningkatkan pembelajaran, para peneliti menggunakan RL untuk melatih Qwen3-30B di dalam harness RLM tetap hanya menggunakan tugas-tugas singkat, lalu mengevaluasinya pada tugas yang 8–32x lebih panjang. Pada evaluasi yang lebih panjang, model yang dilatih dengan RLM menunjukkan peningkatan signifikan, sementara model yang sama yang dilatih tanpa harness umumnya menunjukkan sedikit kemajuan. Dalam eksperimen terpisah, model ini juga menerapkan strategi yang sama di domain baru yang memerlukan langkah-langkah dasar serupa.