"Mô Hình Ngôn Ngữ Đệ Quy" Một hướng đi tiềm năng lớn cho LLMs vào năm 2026 từ các nhà nghiên cứu MIT Trong cách tiếp cận của họ, một prompt không được "chạy" trực tiếp, mà được lưu trữ như một biến trong một REPL Python bên ngoài, và mô hình ngôn ngữ viết mã để kiểm tra/cắt/giải nén chuỗi dài đó, quan sát các đầu ra thực thi, và sau đó xây dựng các nhiệm vụ con mà nó gọi đệ quy một LLM chỉ trên các đoạn liên quan. Ghép nối kết quả lại với nhau khi quá trình đệ quy kết thúc. do đó nó có thể giải quyết các nhiệm vụ 10M+ token với ít "context rot" hơn và thường có chi phí thấp hơn so với tóm tắt/RAG, biến việc mở rộng ngữ cảnh dài thành một thuật toán thời gian suy diễn thay vì chỉ là một cửa sổ ngữ cảnh lớn hơn.