MIT

MIT研究人员推出的递归语言模型（RLM）技术，彻底打破了大语言模型的上下文窗口限制，可处理超过1000万token的超长提示词，且无需修改模型权重。其核心思路是将长上下文作为外部环境存储，赋予模型搜索工具使其能主动检索并递归探索相关信息。实验表明，在6-1100万token输入场景下，RLM相比直接喂入上下文的方式性能提升29%，成本降低至三分之一。该技术是模型无关的推理策略，展现出「更便宜且更好」的双重优势，被视为AI基础设施的重大突破。