"Model Bahasa Rekursif" Arah yang berpotensi besar untuk LLM pada tahun 2026 dari para peneliti MIT Dalam pendekatan mereka, prompt tidak "dijalankan" secara langsung, melainkan disimpan sebagai variabel dalam REPL Python eksternal, dan model bahasa menulis kode untuk memeriksa/mengiris/menguraikan string panjang itu, mengamati output eksekusi, dan kemudian membangun sub-tugas di mana ia secara rekursif memanggil LLM hanya pada cuplikan yang relevan. Menjahit hasilnya bersama-sama ketika proses rekursif berakhir. sehingga dapat menyelesaikan 10 juta + tugas token dengan "pembusukan konteks" yang jauh lebih sedikit dan seringkali biaya lebih rendah daripada peringkasan/RAG, mengubah penskalaan konteks panjang menjadi algoritme waktu inferensi daripada hanya jendela konteks yang lebih besar.