MIT新模型RLM颠覆上下文窗口军备竞赛，根治大模型“上下文腐烂”难题

@berryxia: MIT一招，直接把AI巨头过去5年的百亿“上下文窗口军备竞赛”打成笑话！所有大模型最头疼的“Context Rot”（上下文腐烂）终于被干掉了！MIT CSAIL三位研究员刚放出的RLM（Recursive Language Models）直接把规则改了： ✅ 超长文档不再塞进AI窗口，而是以外部Python变量存着 ✅ https://t.co/RUd2Vdsx35

Paper: https://t.co/J7si5mE5y9

https://t.co/Bbe5zYGqrS

MIT CSAIL三位研究员提出RLM（Recursive Language Models），不靠扩大上下文窗口，而是把超长文档存为外部Python变量。这意味着：大模型不再需要把整篇PDF或代码库硬塞进token限制里，避免了因窗口溢出导致的前文遗忘、信息覆盖和推理断裂。

AI在RLM中调用文档的方式，接近人类程序员——用正则搜索定位、按结构导航、对特定段落精准切片。这意味着：处理10万字技术手册时，模型不必‘记住’全部内容，只需像写脚本一样实时读取所需片段。

论文未宣称‘解决’Context Rot，而是重构问题边界：腐烂只发生在‘必须塞进窗口’的前提下；一旦文档脱离窗口、成为可编程访问的资源，腐烂就失去发生条件。这条路不比拼算力，而考验AI能否真正理解并操作数据结构。