再帰言語モデル(RLM。AIが自分を呼び出して長い文章を読む仕組み)とは?
別の呼び名:Recursive Language Model、Recursive Language Models、RLMs、再帰的言語モデル、再帰型言語モデル
1分で解説
再帰言語モデル(RLM)とは、長い文章をAI(大規模言語モデル)に一度に読ませず、プログラムの入れ物(変数)に置いたまま、AIがプログラムで一部ずつのぞき、部分ごとにまたAIを呼んで読ませ、答えを集める使い方です。
AIが一度に読める量(コンテキストウィンドウ。AIの窓)には上限があり、その中でも長いほど読み落としが増えます。そこで文章は窓に入れず、AIが書いたプログラムを動かす場所(コンピューターのメモリー)に置きます。AIは言葉を探すなどして要る所を見つけ、そこだけをAIに読ませます。AIがAIを呼ぶので「再帰」です。
今あるAIの使い方で、AIが自分を作り直す「再帰的自己改善」とは別物です。2025年にMITの研究者が発表し、実験では、GPT-5 が一度に読める量の20倍を超える1000件の文書(600万〜1100万トークン。トークンはAIが文章を数える単位)でも問いに答えられました。
よくある思い込み
「再帰言語モデルは、AIが自分を作り直して、どんどん賢くなっていく仕組み」
名前の「再帰」(自分で自分を呼ぶこと)は合っていますが、自分を呼ぶ目的が違います。再帰言語モデルでAIが自分を呼ぶのは、1つの問いに答える間に、長い文章の一部を読ませるためです。AIの中の数(パラメーター)は変わらず、答え終わっても、元のAIのままです。AIが自分より優れた次のAIを作り、それを繰り返していく考えは、「再帰的自己改善」という別のものです。また、再帰言語モデルは、新しく作った大きなAIでもありません。GPT-5 のような今あるAIの周りに付ける、使い方の仕組みです。論文では、小さなAIをこの使い方に慣れさせる学習も試しましたが、それは研究者が、大きなAIの解き方を手本に選ぶなどして行った学習で、AIが自分で自分を作り直したのではありません。
図で解説
図は、出典(科学なるほど新聞 naru.news)を書けば、授業・資料・ブログなどで自由に使えます(CC BY 4.0)。
たとえるなら
倉庫の新聞を、班で手分けして調べる
倉庫いっぱいの古い新聞から、ある町のお祭りのことを調べる係になったとします。全部を自分の机に運んで読むのは、とても無理です。そこで班長は、新聞を倉庫に置いたまま、まず何部あるかを数え、検索の機械で「祭り」という言葉が出てくる号を探します。当たりそうな束が見つかったら、班の人に「この束から、お祭りの優勝者を探して」と頼み、返ってきたメモを集めて報告を書きます。
倉庫が入れ物(変数)、検索の機械を動かすのがプログラム(コード)、束を頼まれた班の人が子のAIに当たります。班長の机(コンテキストウィンドウ)に載るのは、数や、探した結果や、メモだけなので、倉庫がどれほど大きくても、机はあふれません。頼まれた人の束がまだ多すぎれば、その人も束を分けて、別の人に頼めます。頼まれた人が、班長と同じやり方で仕事を進めるので、これが再帰です。
ただ、たとえが合わないところもあります。再帰言語モデルの班の人は、班長と同じAIか、そのAIの小さな仲間なので、得意なことや知っていることが、人によって違うわけではありません。また、班の人には、渡された束と頼まれた問いしか見えず、ほかの人のメモも、班長の考えも分かりません。そして、AIの班長は、倉庫を目で見回すことができず、プログラムを書いて、その結果の短い一部を受け取ることでしか、中のようすを知ることができません。
ポイント解説
なぜ「再帰」と呼ぶの?
「再帰(さいき)」は、ある手続きが、その途中で自分自身を呼び出すことです。例えば、パソコンのフォルダの中の写真を数える手続きを考えます。中にさらに小さなフォルダがあったら、そのフォルダにも同じ「写真を数える」手続きを使い、出た数を足します。手続きの中で同じ手続きを呼ぶので、フォルダが何重になっていても数えられます。プログラムを書くときによく使う考え方です。
再帰言語モデルでは、AIが「この文章を読んで、問いに答える」という仕事の途中で、文章の一部について、またAIに「読んで答える」仕事を頼みます。頼まれたAIが、さらに一部を別のAIに頼むこともできます。AIの仕事の中でAIを呼ぶので、「再帰」と呼びます。2026年に直した版の論文は、子のAIが読むだけのものを深さ1、子もさらに子を呼べるものを深さ2・3として試しました。
呼ぶのは、全く同じAIでなくてもかまいません。論文の実験では、親が GPT-5、子が、同じ仲間の小さく安い GPT-5-mini でした。どちらも、文章を受け取って文章を返す、同じ形の「言語モデル」で、頼む仕事も同じ「読んで答える」です。だから再帰言語モデルも、外からは1つの言語モデルと同じように使えます。
なぜ、全部をそのまま読ませないの?
AIが一度に読める量には、上限があります(コンテキストウィンドウ)。論文の実験で使った GPT-5 の上限は、27万2000トークンでした(トークンは、AIが文章を数える小さなかけら)。これより長い文章は、そもそも入りません。
上限の中でも、文章が長くなるほど、答えの質は落ちていきます。落ち方の速さは、問いの種類で変わる、と論文は書いています。たくさんの文章から1つの言葉を探すだけなら、長くてもよくできます。でも、ほとんど全部の行を使って数える問いや、行と行の組を全部調べる問いでは、もっと短い長さから落ちました。論文の実験で、長さを約8000トークンから約100万トークンまで変えると、GPT-5 は、長いほど、問いが込み入るほど点が下がり、再帰言語モデルは下がり方がゆるやかでした。約1万6000トークンより長いところでは、いつも再帰言語モデルのほうが上でした。
あふれそうになったら要約して詰める、というやり方もあります。でも、要約は、前の方に出てきた細かいことを忘れてもよいと決めてかかるやり方なので、文章のあちこちを細かく使う問いには向かない、と論文は書いています。
どうやって、小分けにして読むの?
文章は、プログラムの入れ物(変数)に入れておきます。入れ物があるのは、AIが書いたプログラムを動かす場所(コンピューターのメモリーの中)で、AIが一度に読む窓とは別です。親のAIが最初に知らされるのは、文章の長さと、先頭の少しだけです。
では、親はどうやって、読むべき場所を見つけるのでしょう。文章を先頭から順に読むのではなく、調べるプログラムを書いて動かします。例えば、ある言葉が出てくる所を探すプログラムなら、結果は、見つかった所の一覧です。結果も、親に見せるのは先頭の少しと長さだけですが、どの辺りに当たりがあるかは、それで分かります。文章を章や行で切るプログラムも書けます。長いものは入れ物にしまっておくので、親の窓はすぐにはいっぱいになりません。
読む必要がある部分が見つかったら、親は、その部分と問いを子のAIに渡す命令をプログラムに書きます。子の答えも入れ物にためておき、最後に親がそれを組み立てて返します。答えも入れ物の中で組み立てるので、条件に合うものを全部並べる答えのように、答えそのものが長くなるときも、窓より長い答えを返せます。
論文には、1000件の文書(約830万トークン)から答えを探した例が載っています。問いは、ある煮込み料理の名前がついたお祭りで、ある年に開かれた美人コンテストの優勝者の名前を、いくつもの手がかりから当てるものでした。親の GPT-5 は、まず「美人コンテスト」「お祭り」などの言葉を探すプログラムを書き、当たりそうな所を見つけると、その部分だけを子のAIに読ませました。子が名前を見つけ、親は、さらに2回、子に確かめさせてから、正しい名前を答えました。この1問にかかった料金は、約0.08ドルでした。
どれくらい、うまくいったの?
論文(2026年に直した版)は、GPT-5 と、中身が公開されている大きなAIの Qwen3-Coder を使い、4つの課題で、そのまま読ませる・要約しながら読む・検索して読む・プログラムを書くAIの道具(Claude Code など)と比べました。
GPT-5 では、1000件の文書(600万〜1100万トークン)から答える課題で、そのまま読ませると入りきらずに0%、検索して読むと51.0%、要約しながら読むと70.5%だったのに、再帰言語モデルは91.3%でした。1問の料金は平均0.99ドルでした。窓に収まる3万2000トークンの一覧から、条件に合う2人の組を全部挙げる課題では、そのまま読ませると0.1点でしたが、再帰言語モデルは58.0点でした(点は F1 で、正しい組を漏れなく、間違いなく挙げるほど高く、100点が満点)。大きなプログラムについて答える選択式の課題でも、24.0%が62.0%になりました。
ただし、どのAIでも同じようにうまくいったわけではありません。Qwen3-Coder では、1000件の文書の課題が44.7%で、深さを増やすと、かえって点が下がる課題もありました。Qwen3-Coder は書いたプログラムの間違いが多く、深くすると、子も親と同じようにプログラムを書くので、同じ間違いが子でも起きたためだと論文は見ています。論文は、小さなAI(Qwen3-8B)に、この使い方の手本を1000件学ばせると、元の Qwen3-8B より点がよくなった、とも書いています。
AIがAIを呼ぶことは、どんなときに効いたの?
論文(2026年に直した版)は、文章を窓の外に置いてプログラムで読むものの、子のAIは呼ばない、というやり方でも試しました。GPT-5 で、1000件の文書(600万〜1100万トークン)から手がかりをつないで答える課題では、それだけで88.0%と、子のAIを呼ぶときの91.3%に近い点でした。文章をファイルに置いて読ませた、プログラムを書くAIの道具(OpenCode)も、94.0%でした。窓に全く入らない長さでも、外に置いて探しながら読むだけで、かなり解けたのです。
差が開いたのは、誰の質問かを示す番号のついた、質問の一覧(3万2000トークン)から、条件に合う2人の組を全部挙げる課題でした。例えば「2人とも、数か場所をたずねる質問を1つ以上している」組です。質問の種類は一覧に書かれていないので、1つ1つの質問を読み、意味から決めるしかありません。子のAIを呼ばないと43.9点、OpenCode は4.8点でしたが、子のAIを呼ぶと58.0点、子がさらに子を呼べる深さ3では76.0点でした(点は F1 で、正しい組を漏れなく、間違いなく挙げるほど高く、100点が満点)。子のAIを呼ばないと、言葉の手がかりで見分けるしかなかった、と論文は見ています。
つまり、この論文の実験では、長い文章を扱えるようにしたのは、まず文章を窓の外に置くことでした。AIがAIを呼ぶことが効いたのは、全部の行の意味を1つずつ読んで決めるような、込み入った課題です。言葉で探せば済む調べものと、1つずつ中身を読まないと決められない調べものの違いです。ただ、Qwen3-Coder の実験では、大きなプログラムについて答える課題で、子のAIを呼ばないほうが点がよく、いつも呼ぶほどよいわけではありません。
弱いところは?
1つめは、時間がかかることです。論文の実験では、子のAIを1回ずつ順番に呼んだので、そのまま読ませるより遅く、かかる時間も回によって大きく違い、とても長くかかる回もありました。子を一緒に呼べるようにすれば速くできる、と著者は見ています。
2つめは、料金が回によって大きくばらつくことです。1回ごとの料金を安い順に並べると、真ん中の回は、そのまま読ませるより安いのに、全部の回の平均では高くなりました。答えがなかなか見つからずに、子のAIを何度も呼び続ける回があるためです。論文は、子を呼ぶ料金が膨らみすぎないようにすることと、安全のための見張りの付け方を、これからの課題としています。
3つめは、AIによって、うまく使えるかが変わることです。プログラムを書く力が足りない小さなAIは、うまくできませんでした。Qwen3-Coder は、何でも子のAIに頼もうとして、呼びすぎないよう注意する1文を指示に足さないと、簡単な課題でも子を何千回も呼びました。足した後も、1行ごとに子を呼んで、1問で何百回、何千回と呼ぶことがありました(GPT-5 は10回ほど)。ほかにも、計画を書いただけの文を最後の答えとして出してしまう、入れ物にためた正しい答えを使わずに、間違った答えを返す、といった失敗も見られました。
検索拡張生成やAIエージェントと、何が違うの?
検索拡張生成(RAG)は、質問に合いそうな所を検索の道具で選び、その部分を窓に入れてからAIに答えさせます。どこを読むかは、検索の道具が先に決めます。再帰言語モデルでは、どこをどう読むかを、AI自身がプログラムを書いて決めます。言葉で探すこともできますが、全部の行に1つずつ子のAIを当てて、数を数えることもできます。文章の全部を見ないと答えられない問いにも使えるのは、このためです。
AIが自分で次にすることを決め、道具を使って作業を進めるAIエージェントとは、近い関係です。再帰言語モデルも、プログラムを書いて動かし、結果を見て次を決める、を繰り返します。AIが自分を手伝い役として呼ぶ、これまでのやり方では、頼む仕事を1つずつ言葉で書き出すので、少しの数しか頼めない、と論文は指摘しています。再帰言語モデルでは、プログラムの繰り返しの中で子のAIを呼ぶので、文章の長さに合わせて何百回でも呼べます。また、文章そのものを窓に入れないことも、多くのエージェントと違う点です。
どれも、AIそのもの(中の数、パラメーター)は変えずに、AIの周りの仕組みを工夫するやり方です。窓の上限を広げるには、AIの作りを変えて学習し直す方法もありますが、論文は、再帰言語モデルをそれとは別の方向のやり方としています。考えてから答える推論モデルと同じく、AIを作り直さずに、答えるときにかける計算(手間)を増やして、よい答えを出すやり方の1つ、という位置づけです。推論モデルは答える前に長く考え、再帰言語モデルはAIを何度も呼んで読みます。
確認問題
問1AIに、とても長い文章について答えさせる使い方の1つ「再帰言語モデル(RLM)」では、長い文章を、まずどこに置く?
答えと解説
答え:C プログラムの入れ物の中に、全部そのまま置く
再帰言語モデルでは、長い文章を、AIが書いたプログラムを動かす場所にある入れ物(変数)に、置いたままにします。窓に全部を入れようとすると、上限を超える文章は入らず、入っても、長いほど読み落としが増えます。AIに学び直させることもしません。AIの中の数は変わらず、使い方だけを工夫する仕組みです。
問2AIの使い方「再帰言語モデル(RLM)」で、長い文章についての問いを受けた親のAIは、文章のどこを読めばよいかを、どうやって見つける?
答えと解説
答え:A 自分で言葉を探して、当たった所の一部を見る
親のAIは、文章を先頭から順に読むのではなく、言葉を探すなどのプログラムを自分で書いて動かし、当たった所の短い一部を見て、読む場所をしぼります。検索拡張生成(RAG)では、検索の道具が読む所を先に選びますが、再帰言語モデルでは、どこをどう読むかをAI自身が決めます。見つけた部分は、子のAIに読ませます。
問3AIに長い文章を読ませる使い方「再帰言語モデル(RLM)」を試した論文の実験で、子のAIを呼ばないやり方と比べ、子のAIを呼べるようにすると点が大きく上がったのは、どんな課題?
答えと解説
答え:B 全部の行の意味を、1つずつ読んで決める課題
この論文の実験(GPT-5)では、1000件の文書から手がかりをつないで答える課題は、窓に全く入らない長さでしたが、子のAIを呼ばなくても88.0%で、呼ぶと91.3%と、差は小さめでした。外に置いて探しながら読むだけで、かなり解けたのです。一方、人の番号つきの質問の一覧から、条件に合う2人の組を全部挙げる課題では、1つ1つの質問の種類を意味から決める必要があり、呼ばないと43.9点、呼ぶと58.0点でした。呼ばないと、言葉の手がかりで見分けるしかなかった、と論文は見ています。
関連用語
- コンテキストウィンドウ
- 大規模言語モデル
- トークン
- 検索拡張生成(RAG)
- AIエージェント
- 推論モデル
- 再帰的自己改善
- 再帰
- コンパクション(要約)
参考文献と確かめ方
- Zhang・Kraska・Khattab「Recursive Language Models」(MIT CSAIL、arXiv、2025年12月。第3版〔2026年5月〕の要旨・1〜5章・7章・表1・表2・付録A・B・C.1・D.2・E・F と、初版の付録E.1〔組を挙げる課題の問いの例〕を読んだ。2026年11月11日に読んだ)
- Zhang・Khattab「Recursive Language Models」(著者のブログ。2025年10月15日。論文より前に考えを出した日と書いた人を確かめた。2026年11月11日に読んだ)
- Introl「再帰言語モデル:AIに自身のコンテキストを管理させる」(日本語の記事、2026年1月7日。「再帰言語モデル」の呼び名。2026年11月11日に読んだ)
- HyperAI「再帰型言語モデル」(論文の日本語の紹介ページ。「再帰型言語モデル」「再帰的言語モデル」の呼び名。2026年11月11日に読んだ)
このページは、上の資料をもとにAIが書き、書いたAIとは別のAIが、資料の本文と照らして確かめました(2026年11月11日)。理学の修士号と、高校理科の教員免許を持つ人も読んで確かめてから出しています。数字は、その時点のものです。わかりにくかったところ、誤りのご指摘、解説してほしい用語は、[email protected] へお寄せください。
AIの用語
- アライメント偽装
- AIアライメント
- AIエージェント
- エンベディング
- 解釈可能性
- 過学習
- 拡散モデル
- 機械学習
- 強化学習(RL)
- 形式検証
- 検索拡張生成(RAG)
- 混合エキスパート(MoE)
- コンテキストウィンドウ
- 読んでいるページ再帰言語モデル(RLM)
- 再帰的自己改善(RSI)
- サブリミナル学習
- 時間地平線
- 思考の連鎖(CoT)
- システムプロンプト
- 事前学習
- 自動形式化
- シャットダウン抵抗
- シンギュラリティ
- 人工知能(AI)
- 深層学習
- 推論モデル
- スリーパーエージェント
- 生成AI
- 潜在空間
- 創発的ミスアライメント
- 大規模言語モデル(LLM)
- 脱獄
- 段階的無力化
- 知能爆発
- 超知能(ASI)
- ディープフェイク
- データポイズニング
- 敵対的生成ネットワーク(GAN)
- 転移学習
- トークン
- トランスフォーマー
- ニューラリーズ
- ニューラルネットワーク
- ハイパーパラメーター
- バックドア
- パラメーター
- ハルシネーション
- 汎化
- 汎用人工知能(AGI)
- 評価認識
- ファインチューニング
- プロンプト
- プロンプトインジェクション
- ペルソナベクトル
- ベンチマーク
- 報酬ハッキング
- Lean
- レッドチーム