模型已经会写代码了，为什么还需要RLM替它安排工作？

导读

复杂任务中，模型可能反复读取材料、沿错误方向浪费计算，即使它已经会写代码。MIT 的 Alex Zhang 将 Recursive Language Models 描述为一种组织工作的方式：把原始材料留在外部环境，让主模型用程序切分任务、调用子模型，再检查和合并结果。这样主上下文不必装下所有文件，子任务也能保持在较清楚的范围内；持久工作环境还允许主模型回头追问子 Agent 的依据。Harvey 自报的法律尽调实验中，这种方式提高了平均通过率，但增加第二层递归后，多数设置反而变差，因为每层都可能带来额外筛选、遗漏和成本。Alex 还介绍 Prime Agent 的持久工作空间：子 Agent 保留自己的文件和工作历史，主模型发现问题后可以继续追问，而不必从头重开任务。