4B/9B模型自迭代训练闭环原型

RSI领域之前大多是理论探讨，比如OpenAI的Superalignment团队和Anthropic的RLHF扩展研究，但公开可运行的原型极少。NeoHorse-1的务实之处在于它没有从头训基础模型，而是把后训练环节做成闭环，用路由harness把能力需求显式量化，这降低了实验门槛。

跟Constitutional AI或RLAIF相比，它的差异化是任务级别的能力估计和动态训练混合，而不是静态规则或偏好模型。不过目前只有117 stars且零issue，说明代码成熟度和社区验证都还在早期。

如果你在做agent训练管线或研究模型能力涌现的测量方法，这个harness的设计思路比模型权重更值得细看，建议关注它下一轮迭代是否真的能形成跨代际的RSI循环。