Liệu các bộ khung có thể mở khóa các hệ thống AI mạnh mẽ hơn không? Các nhà nghiên cứu đã phát triển một bộ khung mới cho phép các mô hình hiện có xử lý các quy trình dài và phức tạp hơn. Mô hình Ngôn ngữ Phân cấp (RLM) lưu trữ các tệp và tập dữ liệu lớn bên ngoài ngữ cảnh của mô hình chính. Mô hình sử dụng mã để chọn các phần liên quan, gửi từng phần qua một yêu cầu mô hình riêng biệt, rồi kết hợp các kết quả lại. Điều này khác với các phiên thông thường, nơi các tệp, đầu ra công cụ và kết quả tích lũy trong một ngữ cảnh duy nhất. Khi ngữ cảnh mở rộng, các mô hình có thể bắt đầu bỏ lỡ các chi tiết quan trọng. Để kiểm tra xem cấu trúc này có cải thiện khả năng học tập hay không, các nhà nghiên cứu đã sử dụng RL để huấn luyện Qwen3-30B bên trong một bộ khung RLM cố định chỉ bằng các tác vụ ngắn, sau đó đánh giá nó trên các tác vụ dài hơn 8–32 lần. Trên các bài đánh giá dài hơn, mô hình được huấn luyện bằng RLM cho thấy sự cải thiện đáng kể, trong khi mô hình tương tự được huấn luyện mà không có bộ khung thường không tiến bộ nhiều. Trong các thí nghiệm riêng biệt, nó cũng áp dụng cùng các chiến lược này vào các lĩnh vực mới đòi hỏi các bước cơ bản tương tự.