长上下文处理仍然是语言模型面临的核心挑战：即使在扩展的上下文窗口下，模型也常常无法可靠地提取、推理和使用长上下文中的信息。递归语言模型（RLM）通过在推理过程中以程序化的方式将长上下文分解为递归子调用，尝试解决这一挑战。RLM的成功在很大程度上依赖于如何选择这些上下文交互程序，而这一点尚未得到充分探索。研究提出了SRLM框架，通过不确定性感知的自反机制增强程序化上下文交互。SRLM利用了三种内在信...