递归语言模型 Jev 实测：百万 token 成本减半、速度快 6 倍
dbreunig · x · 2026-10-25
作者发布长文介绍 Jev（System One）：为递归语言模型（RLM）设计子调用方案。RLM 让根模型在超出自身窗口的上下文上工作——上下文存进 REPL 变量，根模型写代码操作它并调用子模型。
关键结果：
- 在 1M token 场景下成本约为一半、速度快约 6 倍
- 附带 abstention（弃答）、路由到大模型等实验，以及方法失效的场景分析
- 转发评论补充：在 OOLONG 的 TREC 任务上，类似 DSPy ReAnchor 的方法把每标签计数错误从 7.9% 降到 2.6%，分数从约 0.75 提升到 0.81
「编程与Agent」频道最新
- SwarmOS：把 GitHub Issues 变成多 Agent 协作合同的开源编排层 — sn2006gy · 2026-10-25
- 论文提出自适应技能粒度框架，编码Agent运行时路由成功率达100% — dair_ai · 2026-10-25
- 研究：LLM 自我重写 Agent harness 两轮仅提升 2.8 分且不显著 — omarsar0 · 2026-10-25
- 开发者给 agent 线程加标签,跨机器一键过滤编排任务 — kevinkern · 2026-10-25
- 开发者：Agent 好用到能反过来告诉你怎么改进它自己 — Then-Programmer7221 · 2026-10-25
- SMP 工具 2 分 51 秒索引 9.6 万文件 Linux 内核树，跑分还揪出一个 1.5 秒查询 bug — Numerous_Beyond_2442 · 2026-10-25