待验证50% 置信事实精确时间

递归语言模型将复合问题分解为层次化子问题，每个子问题在独立的上下文窗口中单独求解，输出再汇入上层求解过程

1

来源数

50%

置信度

长期有效

时效性

2026/9/21

首次发现

来源

递归语言模型如何实现真正推理：跳出分布外泛化困境

涉及实体

Recursive Language Modelconcept

相关事实

待验证递归语言模型（RLM）通过将复杂任务拆解为子任务并对子任务再次调用自身，使每个子问题拥有完整的独立上下文空间，区别于思维链在单次上下文窗口内的线性推理75% 相似待验证上下文隔离可避免不同任务混杂导致模型输出在多个语义空间漂移，让模型在单一语义域内保持更高一致性73% 相似待验证先用语言模型优化提示词再喂给图像生成模型的做法被称为链式提示（Prompt Chaining），即将复杂任务拆解为多个子任务72% 相似已验证大语言模型的上下文窗口决定了模型在单次推理中能处理的信息量上限72% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/938141

API

curl https://kongchang.com/api/v1/knowledge/claims/938141

MCP

get_claim(id=938141)