MIT CSAIL 研究团队提出了一种叫做 递归语言模型 RLM 的长文本处理新方法，来解决上下文腐烂问题。 核心思路是不把提示词直接塞进大模型的上下文窗口，而把它“外包”给可交互的 Python 环境，让模型主动通过自动编程和递归调用拆解任务、按需处理。

比如，GPT-5.2-Codex采用的就是窗口内的原生上下文压缩技术，在持续数周的大型代码仓库协助任务中保持全上下文信息。 在复杂长文本任务中，RLM的优势也比较显著。面对要求聚合成对信息、复杂度呈二次方增长的OOLONG-Pairs任务，基础GPT ...

在人工智能领域，长文本处理一直是一个棘手的问题。近期，麻省理工学院计算机科学与人工智能实验室（MIT CSAIL）提出了一种革命性的解决方案——递归语言模型（RLM），该方法能够使大模型在不改变其架构的情况下，处理超长文本，达到千万级token的处理能力。这一研究成果为GPT-5、Qwen-3等顶尖AI模型的推理能力注入了新的活力，开启了长文本处理的新篇章。

嘿，想学Python的朋友们！Python现在这么火，你是不是也心痒痒想试试？别急，学Python这事儿，说简单也简单，说难也难。今天，我就以过来人的身份，跟你聊聊学Python的十大忠告。这些都是我踩过坑、总结出的经验，口语化一点，咱们像朋友聊天一样，帮你轻松 ...

在真实工程项目中，不使用 LangChain、LangGraph、CrewAI 等框架，纯用 Python + LLM API 手动实现 AI Agent 不仅完全可行，而且在许多场景下是更优选择。 Anthropic 官方明确建议开发者”从直接使用 ...

随着 AI Agent 技术的快速发展，如何让智能体具备可扩展的专业技能（Skills）成为构建复杂应用的关键。本文将深入解析 Deep Agents 框架中的技能集成机制，从 CLI 工具的成熟实现出发，探讨如何在 Deep Agents 核心库中构建类似的模块化技能系统。 Deep Agents CLI Deep ...

推理模型这就过时了？ 当中的扛把子GPT-5被一篇博士生论文打了个措手不及，上下文窗口被甩出两个数量级。 而且新方法面对长文本时的“上下文腐烂”现象也大幅减少，关键是成本还更便宜。 这就是MIT最新论文当中提出的“套娃模型”新范式，被预言将成为 ...

什么意思呢？目前LLM的工作方式是把所有内容塞进一个巨大的上下文窗口，但文档越长，模型越容易“前言不搭后语”。 而在RLM中，当模型启动时，会进入一个类似 Python 的 REPL 编程环境，将超长提示词视为外部环境的一部分，并且允许 LLM 程序化地检查、分解 ...