¿Pueden los entornos controlados desbloquear sistemas de IA más potentes? Los investigadores han desarrollado un nuevo entorno controlado que permite a los modelos existentes manejar flujos de trabajo más largos y complejos. El Modelo de Lenguaje Recursivo (RLM) mantiene archivos y conjuntos de datos grandes fuera del contexto principal del modelo. El modelo utiliza código para seleccionar piezas relevantes, enviar cada una a través de una solicitud de modelo separada y combinar los resultados. Esto difiere de las sesiones regulares, donde los archivos, las salidas de herramientas y los resultados se acumulan en un solo contexto. A medida que el contexto crece, los modelos pueden empezar a perder el seguimiento de detalles clave. Para probar si esta estructura también mejora el aprendizaje, los investigadores utilizaron RL para entrenar a Qwen3-30B dentro de un entorno RLM fijo utilizando únicamente tareas cortas, y luego lo evaluaron en tareas de 8 a 32 veces más largas. En las evaluaciones más largas, el modelo entrenado con RLM mostró una mejora sustancial, mientras que el mismo modelo entrenado sin el entorno controlado generalmente mostró poco progreso. En experimentos separados, también aplicó las mismas estrategias en nuevos dominios que requerían pasos subyacentes similares.