# 别再往大模型窗口里塞几百万字了：用 RLM 像跑代码一样查 Context

- 来源：Computing Life · Share · 鸭哥调研
- 发布时间：2026-07-10T00:00:00.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/43721
- 原文：https://yage.ai/share/recursive-language-models-indexed-20260710.html

## 摘要

Alex Zhang 提出的递归大语言模型（RLM）换了个思路处理长文本：不把资料塞进模型窗口，而是留在外部当数据，让模型自己写代码去查。在 depth=1 配置下，RLM 带着 GPT-5-mini 把 OOLONG-Pairs 的 F1 从 0.04% 拉到了 58.0%，BrowseComp-Plus 准确率从 0% 拉到 91.3%。

## 推荐理由

Alex Zhang 提出的 RLM 把长文本留在外部当数据、让模型写代码去查，depth=1 下把 OOLONG-Pairs 的 F1 从 0.04% 提到 58.0%，BrowseComp-Plus 准确率从 0% 提到 91.3%。

## 锐评

把长文本当外部数据、让模型写代码去查，这个方向我信。0.04% 到 58.0% 这种跨度不是调 prompt 能调出来的，硬塞窗口那套在长 context 上确实到顶了。

我只在意它绑死了 GPT-5-mini，换别的模型这套 scaffold 还成不成立没人知道。作者自己讲多层递归会失败，depth=1 就够，这话挺实在。跑长文档检索的可以照这个思路改。
