论文信息

  • 类型：arxiv
  • 标识：2512.24601
  • 链接：https://arxiv.org/abs/2512.24601
  • 主题：agent, engineering, evaluation, llm-infra, rag, risk
  • 主分类：llm-infra
  • 形态：method
  • 被引：71
  • 被引来源：Semantic Scholar
  • S2被引：71
  • OpenAlex被引：1
  • 影响力被引：7
  • TLDR：It is found that RLMs can successfully process inputs up to two orders of magnitude beyond model context windows and, even for shorter prompts, dramatically outperform the quality of vanilla frontier LLMs and common long-context and coding scaffolds.
  • OpenAlex ID：W7118000211
  • OpenAlex DOI：10.48550/arxiv.2512.24601
  • DOI：10.48550/arxiv.2512.24601
  • DOI来源：OpenAlex
  • OpenAlex Venue：Open MIND
  • Venue：Open MIND
  • Venue键：other
  • Venue来源：OpenAlex
  • 开放获取：green
  • 开放获取链接：https://doi.org/10.48550/arxiv.2512.24601
  • OpenAlex更新：2026-08-23
  • TLDR中文：研究发现 RLMs 能够成功处理超出模型上下文窗口长达两个数量级的输入，即便在较短 prompt 下，其质量也显著优于原生前沿 LLM 以及常见的长上下文与编程脚手架。
  • 待LLM分类：否
  • 成熟度：research
  • 场景：long context、RLM
  • 来源文件：
  • /inbox/flyp/2026-06-16-agent-long-context.md
  • [S2 enrich]
  • [OpenAlex backfill]

可复用信息

    1. 关注vLLM/SGLang社区是否引入类似优化
  • 建议路径: /shared/research-kb/notes/multi-agent/graph-cot-glm.md
  • 论文信息
    • 标题: Recursive Language Models
    • 时间: 2025-12-31 初版，2026-05-11 v3
    • 机构: MIT (Alex Zhang, Omar Khattab)

写作用途

  • 可放入 RAG / 知识库 / 检索增强相关工作的对比段。
  • 可用于 Agent 架构、记忆、工具调用或多智能体研究背景。
  • 可用于系统实现、实验平台或工程约束说明。
  • 可用于局限性、风险、失效模式和未来工作。

待补齐

  • BibTeX / 正式引用格式
  • 方法与实验设置细节
  • 与现有工作的差异点
  • 是否有代码和数据集