@hbouammar：也许长上下文推理别再靠模型自己写递归控制代码了。我们开源了 λ-RLM……
摘要
研究者发布 λ-RLM，一款开源的带类型 λ-演算运行时，用预验证组合子取代自写递归控制代码，将长上下文推理准确率最高提升 21.9%，在 36 项测试中赢下 29 场。
查看缓存全文
缓存时间: 2026/04/22 17:51
也许长文本推理不该再依赖模型自己写递归控制代码。我们开源了 λ-RLM：一个带类型的 λ 演算运行时，用预验证的组合子做递归推理。29/36 场胜率优于标准 RLM，平均准确率最高提升 21.9%，速度最高提升 4.1 倍。
相似文章
alexzhang13/rlm
递归语言模型（RLMs）引入了一种与任务无关的推理范式，使语言模型能够通过递归地在输入上调用自身来处理近乎无限的上下文，同时还提供了配套的开源推理引擎和训练环境。
递归语言模型
本文介绍了递归语言模型（Recursive Language Models, RLMs），这是一种推理策略，使大型语言模型（LLMs）能够通过将任意长的提示视为外部环境，并在提示片段上递归调用自身来处理这些提示。RLMs可以处理超出上下文窗口两个数量级的输入，并且在长上下文任务上以可比的成本优于基础LLMs。
@TDataScience：跟随@neural_avb的全方位深度解析，了解“递归语言模型（RLM）是什么、为何它们会在长上下文基准测试中持续胜出……”
一篇关于递归语言模型（RLM）的教育性深度文章，解释了RLM是什么、为何它们能在长上下文基准测试中胜出，以及它们与现有智能体框架（如ReAct或CodeAct）的不同之处，并通过一个简单的案例研究进行说明。
@FakeMaidenMaker: MIT 刚开源了一个让大模型一口气读完千万 token 的推理库——RLM 来自 MIT CSAIL 的 OASYS lab，背后有 DSPy 和 ColBERT 的作者 Omar Khattab 参与，VentureBeat 都专门报道…
MIT 开源了 RLM（Recursive Language Models）推理库，通过让模型以编程方式递归调用自身来处理超长上下文，解决了传统模型上下文窗口有限的问题。
强化递归语言模型（18分钟阅读）
本文探讨了利用强化学习微调小型（4B）递归语言模型（RLM）从科学文档中选取证据，结果表明经过强化学习训练的4B模型在模型大小和成本仅为其一小部分的情况下，达到了与Claude Sonnet 4.6相当的性能。