用于多轮推理的链式递归语言模型

论文提出链式递归语言模型（Chained RLM）推理时架构：同一基础模型以多个全新推理根反复调用，每轮重新接收原问题与上下文，并通过紧凑摘要、纯文本黑板和持久化任务工件交接状态。该方法试图将长上下文任务拆成可检查、可修正的阶段，降低抽取、计数、排序和多跳推理中的错误传播。