研究人员提出的递归语言模型（Recursive Language Models, RLMs）通过引入Python交互环境，让模型学会写代码去分块读取、检索并递归调用自身处理信息，成功在千万级Token的超长文本任务中实现了性能与成本的双重突破。

传统基础模型在S-NIAH单针大海捞针等简单检索任务中尚能维持表现，但在信息密度更高的复杂任务中，其推理性能随输入长度增加而下降。相比之下，RLM在输入长度超过特定阈值区间后，依然保持得分稳定性。

为此，今天要给大家介绍一款谷歌的开源项目LangExtract，不仅是一个工具，更是一套面向真实场景的 ...

这也是闲得无聊，不知道在哪翻到了雷军当年写的 RI.ASM 源码。早就听说过雷总是汇编高手，我就想着花半天时间研究一下。说实话，我是写 Python ...

新年伊始，MIT CSAIL 的一纸论文在学术圈引发了不小的讨论。Alex L． Zhang 、 Tim Kraska 与 Omar Khattab 三位研究者在 arXiv 上发布了一篇题为《Recursive Language ...

就在刚刚过去的 12 月底，知名开源项目 curl 的创始人 Daniel Stenberg 宣布：将放弃支持基于 Rust 编写的 Hyper HTTP 后端，并彻底移除相关代码。此举引起了开发者社区的广泛关注。 2020 年，Stenberg ...

不过，目前此项技术仍处于早期研究阶段，仅能产生低解析度的360度环景图像内容，但研究团队计划在未来，对现阶段技术所产生环景图像进行升级，同时加入HDR影像强化效果，让生成的3D图像或VR场景的观看度更加流畅和有吸引力。

早在 2025 年 10 月，Zhang 和他的导师 Omar Khattab 就在博客上公开了初步想法，引发了一些关注。如今这篇正式论文带来了更系统的实验和更扎实的数据，论证了通过让语言模型把长文本当作“外部环境中的变量”来处理，可以让模型有效处理超出其上下文窗口 2 个数量级的输入。