传统基础模型在S-NIAH单针大海捞针等简单检索任务中尚能维持表现，但在信息密度更高的复杂任务中，其推理性能随输入长度增加而下降。相比之下，RLM在输入长度超过特定阈值区间后，依然保持得分稳定性。

说到底，MIT这项关于递归语言模型的研究为我们展示了一种全新的AI工作方式。不再是让AI硬记所有信息，而是教会AI如何聪明地利用外部资源，如何分解复杂问题，如何进行有效的信息管理。这种方式不仅更加高效，也更加接近人类的思维模式。

《MIT科技评论》发布对2026年人工智能领域的五大趋势预测：其一，中国开源大模型因开放权重和高度可定制性，将在美国硅谷获得更广泛采用；其二，美国将陷入联邦与州之间的监管拉锯战；其三，AI购物助手将改变零售业，预计到2030年代理商务规模可达数万亿美元；其四，大语言模型将辅助人类做出重要科学发现，有望在数学、材料学等领域催生新突破；其五，针对AI公司的法律诉讼将升级，相关审判将逐步厘清法律责任边界 ...

科技行业薪酬数据印证了这场人才争夺战的激烈程度。据Business Insider获取的2025年一季度招聘记录显示，Thinking Machines为技术员工开出平均46.25万美元年薪，其中基础薪资最高达50万美元。这一水平不仅远超OpenAI技术团队29.2万美元的平均年薪，也高于Anthropic的38.75万美元。尽管与me ta某些高管超亿元薪酬仍有差距，但在初创公司中已属顶尖水准。

麻省理工学院计算机科学与人工智能实验室（CSAIL）的研究团队提出了一种突破性方法，旨在解决大型语言模型处理超长文本时面临的“上下文腐烂”难题。这项发表于arXiv平台的研究（编号：2512.24601v1）显示，通过引入递归语言模型（RLM），AI系统处理长文本的能力实现了两个数量级的跨越，同时保持成本可控甚至更低。 传统语言模型在面对长文本输入时，性能会随文本长度增加而急剧下降。研究团队将其类 ...