"递归语言模型" 来自麻省理工学院研究人员的2026年LLM潜在重大方向 在他们的方法中，提示并不是直接“运行”，而是作为变量存储在外部Python REPL中，语言模型编写代码来检查/切片/分解该长字符串，观察执行输出，然后构建子任务，在相关片段上递归调用LLM。当递归过程结束时，将结果拼接在一起。 因此，它可以以远低于总结/RAG的成本解决超过1000万标记的任务，并且“上下文衰退”更少，将长上下文扩展转变为推理时算法，而不仅仅是更大的上下文窗口。