क्या हैरेसेस अधिक शक्तिशाली एआई प्रणालियों को अनलॉक कर सकते हैं? शोधकर्ताओं ने एक नया हैरेस विकसित किया है जो मौजूदा मॉडल को लंबे और अधिक जटिल वर्कफ्लो संभालने की अनुमति देता है। रिकर्सिव लैंग्वेज मॉडल (RLM) बड़ी फाइलों और डेटासेट्स को मुख्य मॉडल के कॉन्टेक्स्ट के बाहर रखता है। मॉडल कोड का उपयोग करके प्रासंगिक भागों का चयन करता है, प्रत्येक को अलग-अलग मॉडल अनुरोध के माध्यम से भेजता है, और परिणामों को मिलाता है। यह सामान्य सत्रों से भिन्न है, जहां फाइलें, टूल आउटपुट और परिणाम एक ही कॉन्टेक्स्ट में जमा होते हैं। जैसे-जैसे कॉन्टेक्स्ट बढ़ता है, मॉडल महत्वपूर्ण विवरणों को भूलने लगते हैं। इस संरचना के साथ सीखने में सुधार होता है या नहीं, इसे परखने के लिए, शोधकर्ताओं ने RL का उपयोग करके Qwen3-30B को एक स्थिर RLM हैरेस के भीतर केवल छोटे कार्यों का उपयोग करके प्रशिक्षित किया, और फिर 8–32x लंबे कार्यों पर मूल्यांकन किया। लंबे मूल्यांकन पर, RLM-प्रशिक्षित मॉडल में काफी सुधार देखा गया, जबकि हैरेस के बिना प्रशिक्षित समान मॉडल में सामान्यतः कम प्रगति देखी गई। अलग-अलग प्रयोगों में, इसने समान मूलभूत कदमों की आवश्यकता वाले नए क्षेत्रों में भी समान रणनीतियों का प्रयोग किया।