MIT团队推出递归语言模型，上下文处理能力提升百倍
新年伊始，MIT CSAIL 的一纸论文在学术圈引发了不小的讨论。Alex L． Zhang 、 Tim Kraska 与 Omar Khattab 三位研究者在 arXiv 上发布了一篇题为《Recursive Language Models》的论文，提出了所谓“递归语言模型”（Recursive Language Models，简称 RLM）的推理策略。
免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈
图丨相关论文（来源：arXiv）
早在 2025 年 10 月，Zhang 和他的导师 Omar Khattab 就在博客上公开了初步想法，引发了一些关注。如今这篇正式论文带来了更系统的实验和更扎实的数据，论证了通过让语言模型把长文本当作“外部环境中的变量”来处理，可以让模型有效处理超出其上下文窗口 2 个数量级的输入。
Zhang 在推文中写道：“正如 2025 年是从语言模型到推理模型的转换之年，我们认为 2026 年将是递归语言模型的时代。”他还特别提到，RLM 是他们对推理时算力扩展（inference-time scaling）的“bitter lesson 式”解法，即与其精心设计复杂的人工规则，不如让系统自己去学、去算。RLM 的设计哲学与此一脉相承，它不试图从模型架构层面“修复”长文本处理的问题，而是提供一套通用的推理时框架，让模型自己决定如何与超长输入交互。
过去两年，几乎所有主流大模型都在竞相扩展上下文窗口。Gemini 把窗口拉到了百万级别，GPT 系列持续加码，Llama 更是喊出了千万 token 的口号。表面上看，这是一场“谁更能装”的军备竞赛。但问题在于，上下文窗口变大并不意味着模型就真的能把所有内容都“读进去、记得住”。
2025 年年中，向量数据库公司 Chroma 发布了一份技术报告，正式为这种现象命名，“context rot”（上下文腐烂）。Chroma 的研究团队测试了包括 GPT-4.1 、 Claude 4 、 Gemini 2.5 、 Qwen3 在内的 18 款主流模型，发现即便是在最简单的“大海捞针”（Needle in a Haystack，NIAH）任务上，模型的准确率也会随着输入长度的增加而显著下降。
更值得注意的是，当任务本身变得复杂，比如需要语义推理而非简单的字面匹配，性能下滑会来得更早、更陡峭。所谓百万 token 的上下文窗口，实际有效利用的可能只有一小部分。
（来源：Chroma Research）
针对长上下文的解决方案目前业界已经发展出几种主流策略。最常见的是“上下文压缩”（context condensation），也就是当上下文超出一定长度时，让模型先对前面的内容做摘要，再继续处理新内容。这种方法简单直接，但摘要本身是有损的，早期出现的细节可能在压缩过程中丢失。
另一种流行方案是检索增强生成（Retrieval-Augmented Generation，RAG），先把长文档切块存入向量数据库，根据问题检索相关片段再喂给模型。这避免了让模型一次性吞下整篇长文，但效果高度依赖检索质量，对于需要综合全文信息的问题往往力不从心。
还有一类是递归任务分解框架，允许模型把复杂任务拆解成子任务再递归调用。但这些方法的共同局限在于：它们要么损失信息，要么无法真正突破模型本身的上下文窗口限制。
RLM 的核心思路在于换了一个角度来思考问题。与其绞尽脑汁让 Transformer 直接消化长文本，不如把长文本“外包”到一个独立的运行环境中，让模型通过编程的方式按需访问。具体来说，RLM 会启动一个 Python 的 REPL（Read-Eval-Print Loop，读取-求值-打印循环）环境，把用户的长文本作为一个字符串变量存进去。
然后模型不再直接阅读全文，而是编写代码来“窥探”这个变量，打印一小段看看、用正则表达式搜索关键词、按章节拆分等等。更关键的是，模型还可以在代码里调用另一个语言模型来处理子任务，并把结果存回变量中。整个过程是迭代式的：模型执行一段代码，观察输出，决定下一步怎么做，直到最终拼凑出答案。
图丨递归语言模型将提示视为环境的一部分（来源：arXiv）
这种设计的灵感据称来自“外存算法”（out-of-core algorithms）。在传统计算机科学中，当数据量超出内存容量时，系统会把数据存在硬盘上，通过精心设计的调度策略来回读取需要的部分。RLM 本质上是在给语言模型搭建一个类似的“内存管理层”。对外部用户而言，RLM 的接口与普通语言模型完全一样：输入一个字符串，输出一个字符串。但内部的处理方式已经不同。
论文中的实验设计了 4 组不同复杂度的任务。S-NIAH 是最简单的大海捞针任务，答案固定，不随输入长度变化。OOLONG 要求模型对输入中的每一行进行语义分类并汇总，处理量与输入长度成正比。OOLONG-Pairs 更极端，要求找出满足特定条件的所有“用户对”，处理复杂度与输入长度的平方成正比。还有一组 BrowseComp-Plus，给模型 1,000 篇文档（总计约 600-1,100 万 token），要求回答需要跨文档推理的问题。
实验结果显示，裸跑 GPT-5 的表现随着输入长度和任务复杂度的增加而急剧下滑。在 OOLONG-Pairs 上，GPT-5 和 Qwen3-Coder 的 F1 分数都不到 0.1%。但套上 RLM 框架之后，GPT-5 的 F1 分数跃升至 58%，Qwen3-Coder 也达到了约 23%。
在 BrowseComp-Plus 的千文档场景下，RLM（GPT-5）取得了 91.33% 的准确率，而上下文压缩方案只有约 70%，检索工具代理是 51%。研究者还强调，RLM 的成本并不比直接调用基础模型贵多少，在某些任务上甚至更便宜，因为模型可以选择性地只查看需要的片段，而非一股脑把所有内容都送进 Transformer。
（来源：arXiv）
当然，任何新方法都有其适用边界。论文坦承，当输入较短、任务较简单时，直接使用基础模型可能比 RLM 更高效。毕竟 RLM 需要多次与环境交互，开销不可忽视。当前实现使用同步的、阻塞式子模型调用，端到端延迟较高，研究者认为通过异步调用和并行化还有优化空间。
此外，论文中的系统提示词是固定的，并未针对不同任务调优。另一个值得关注的问题是，让模型在 REPL 环境中自主编写和执行代码，在安全隔离和行为可预测性方面带来了新的工程挑战。
论文作者在文末提到，未来可能会出现专门针对 RLM 范式进行训练的模型，就像今天有专门针对推理任务训练的模型一样。他们认为 RLM 的轨迹本身可以被视为一种推理形式，理论上可以通过强化学习或蒸馏来优化。这个方向是否能走通，还需要更多后续工作来验证。
参考资料：
1.https://arxiv.org/pdf/2512.24601
2.https://research.trychroma.com/context-rot
3.https://x.com/a1zhang/status/2007198916073136152
运营/排版：何晨龙
相关攻略
从“动口”到“动手”：OpenClaw如何将AI推入“执行时代”？ 文｜洞见新研社 3月的最后一周，OpenClaw的GitHub社区上演了一出反转剧。往日里忙着报错的开发者们这次成了观众，主角换成了来自蚂蚁、天融信、360等机构的安全研究员，他们密集披露了数十个涉及远程接管、信息泄露的高风险漏洞。
程序员惊喜，每月100美元！OpenAI上线全新Pro方案：Codex限时10倍额度 北京时间4月10日凌晨，OpenAI终于落下了重度用户期盼已久的那只靴子：正式推出每月100美元的全新订阅方案。 至此，OpenAI的商业化版图已经清晰地划分为四个核心层级： ·免费版（接入广告） ·每月8美元的G
2026 04 14 一个核心趋势是：未来的商业竞争，本质上是用户注意力资源的争夺战。谁能更精准、高效地连接信息与用户需求，谁就能在市场中赢得关键优势。 本文配图深刻揭示了这种高效连接的底层逻辑与完整工作流。它系统展示了从数据采集到价值交付的闭环链路，每个环节都紧密耦合。实践证明，其中任一节点的效率
AI行业迎来关键转折：从“烧钱补贴”迈入“商业化定价”新阶段。被市场誉为“Token第一股”的迅策科技(03317)迎来重大利好。近期，国泰君安国际大幅上调其目标价至245港元 股。多重因素驱动下，迅策有望成为AI领域“千亿市值俱乐部”的有力竞争者。 中国AI实现弯道超车：成本优势构筑核心壁垒 全球
新智元报道编辑：元宇【新智元导读】一个让AI像原始人一样说话的插件，在HN上一夜爆火，冲破2w星。它的核心只是一条简单粗暴的prompt：删掉冠词、客套和一切废话，号称能省下75%的输出token。
热门专题
热门推荐
全新一代雷克萨斯ES北京车展上市：混动首发29 99万，纯电版本后续推出 2026年北京车展，全新一代雷克萨斯ES正式揭开了面纱并公布售价。首发上市的混合动力版本，官方指导价定在了29 99万元。这只是一个开始，后续纯电动版本也将陆续登场。有意思的是，现款的ES200车型并不会就此退市，而是与新车型
还记得05后小花黄杨钿甜天价耳环风波吗？ 时隔近一年，当事人黄杨钿甜终于首次接受采访，正式回应了那场沸沸扬扬的“天价耳环”风波。她本人也在第一时间转发了道歉声明。然而，从网友的普遍反应来看，这份迟来的回应与道歉，似乎并没有起到预想中的效果。 目前，黄杨钿甜的社交媒体评论区已然“沦陷”。前排的热门评论
《黑袍纠察队》第五季幕后：一场让“士兵男孩”都喊难的戏 《黑袍纠察队》第五季正播得火热，各种名场面轮番轰炸观众的眼球。不过，你可能想不到，剧中有些场景拍起来，对演员来说简直是种“折磨”。最近，“士兵男孩”的扮演者詹森·阿克斯就在采访里大倒苦水，透露了本季最难熬的戏份之一——正是他和“鞭炮女”Fire
布林带实战指南：在欧易平台捕捉波段机会的六个关键步骤 先明确一个核心逻辑：布林带的收口，往往预示着市场波动率下降、趋势启动在即；而它的开口，则明确告诉我们波动正在加剧，趋势可能延续。但光知道这个可不够，关键在于如何结合欧易平台的K线图、时间周期、三轨间距、价格突破以及中轨方向进行综合判断。下面，我们
在悬疑剧《方圆八百米》中，陈辉一开始卖药犯罪，只是单纯迫于现实的无奈，但从他用命嫁祸霍开明的那一刻起，他便已经彻底堕落，甚至还多了几分享受的感觉。 最初的陈辉，形象是弱小且无助的，内心充满痛苦与徘徊。他每一次铤而走险，动机都相当明确——为了保护高松格。 然而，事情从这里开始悄然变质。你猜怎么着？后来