MIT：RLM AI靠写代码读透千万字

这些材料介绍了一种名为递归语言模型（RLMs）的新型推理范式，旨在突破大型语言模型在处理超长上下文时的限制。该方法的核心创新在于将长文本视为外部环境而非直接输入，允许模型通过编写程序代码来检索、拆解并递归地调用自身处理文本片段。研究表明，RLMs 处理的输入长度可达传统模型窗口的百倍以上，且在信息密集型任务中显著优于现有的上下文压缩或检索增强技术。实验通过 GPT-5 和 Qwen3 等前沿模型证明，这种递归架构能有效缓解“上下文腐烂”现象，在保持成本可控的同时大幅提升长文本理解的准确度。此外，作者还通过微调开发了首个原生递归模型 RLM-Qwen3-8B，展示了该技术在提升推理能力方面的巨大潜力。