alexzhang13/rlm
摘要
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。
用于递归语言模型 (RLMs) 的通用即插即用推理库，支持多种沙箱环境。
查看缓存全文
缓存时间: 2026/06/17 11:35
递归语言模型（RLMs）
完整论文 • 博客文章 • 文档 • RLM Minimal
相似文章
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。
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。
@samhogan：顺便提一句，RLM 基本已解决上下文问题。你只需将上千万个 token 投入一个成熟的 RLM 框架中，它就能直接跑通……
一位开发者分享了使用 RLM 的实践经验，表示其能够有效承载高达数千万 token 的超长上下文窗口，这标志着上下文处理能力实现了显著跨越。
@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……
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。