"Modèles de Langage Récursifs" Une direction potentiellement importante pour les LLMs en 2026 selon des chercheurs du MIT Dans leur approche, un prompt n'est pas "exécuté" directement, mais il est stocké comme une variable dans un REPL Python externe, et le modèle de langage écrit du code pour inspecter/trancher/décomposer cette longue chaîne, observe les sorties d'exécution, puis construit des sous-tâches où il invoque récursivement un LLM sur juste les extraits pertinents. Assemblant le résultat lorsque le processus récursif se termine. Ainsi, il peut résoudre des tâches de plus de 10 millions de tokens avec beaucoup moins de "dégradation de contexte" et souvent à un coût inférieur à celui de la résumation/RAG, transformant l'échelle de contexte long en un algorithme de temps d'inférence plutôt qu'en une simple fenêtre de contexte plus grande.