کیا ہارنسز زیادہ طاقتور AI سسٹمز کو انکلوس کر سکتے ہیں؟ تحقیق کاروں نے ایک نیا ہارنس تیار کیا ہے جو موجودہ ماڈلز کو لمبے اور زیادہ پیچیدہ ورکفلوز کو سنبھالنے کی اجازت دیتا ہے۔ ریکرسیو لینگویج ماڈل (RLM) بڑی فائلیں اور ڈیٹا سیٹس کو ماڈل کے مرکزی کانٹیکسٹ کے باہر رکھتا ہے۔ ماڈل کوڈ کا استعمال کرتا ہے تاکہ متعلقہ حصوں کو منتخب کرے، ہر ایک کو الگ ماڈل درخواست کے ذریعے بھیجے، اور نتائج کو ملاۓ۔ یہ عام سیشنز سے مختلف ہے، جہاں فائلیں، ٹول کے نتائج اور نتائج ایک ہی کانٹیکسٹ میں جمع ہوتے رہتے ہیں۔ جب کانٹیکسٹ بڑھتا ہے، تو ماڈل اہم تفصیلات کو گم کرنا شروع کر سکتے ہیں۔ اس ساخت کے ساتھ سیکھنے میں بھی بہتری آتی ہے یا نہیں، اس کا جائزہ لینے کے لیے تحقیق کاروں نے RL کا استعمال کرتے ہوئے Qwen3-30B کو ایک مخصوص RLM ہارنس میں صرف مختصر اعمال کے ذریعے تربیت دی، پھر اسے 8–32x لمبے اعمال پر جانچا۔ لمبے جانچوں پر، RLM سے تربیت یافتہ ماڈل نے قابلِ ذکر بہتری دکھائی، جبکہ اسی ماڈل جسے بغیر ہارنس کے تربیت دی گئی تھی، عام طور پر کم ترقی دکھائی۔ الگ تجربات میں، انہوں نے اسی حکمت عملی کو نئے شعبوں میں بھی لاگو کیا جن میں مشابہ بنیادی مراحل درکار تھے۔