梦晨 发自 凹非寺 量子位 | 公众号 QbitAI 大模型的记忆墙，被MIT撬开了一道口子。 MIT等机构最新提出了一种新架构， 让推理大模型的思考长度突破物理限制，理论上可以无限延伸 。 这个新架构名叫Thread Inference Model，简称 TIM。 TIM配上专用推理引擎TIMRUN，把推理过程变成类似树状的递归子任务结构，并动态修剪掉不再需要的子任务，就能 让模型在输出窗口有 限的情况下实现几乎无限制的长程推理。 传统解决方案要么是把任务切分给多个模型处理，要么是压缩历史信息，但这两种方法都会损失信息完整性。 TIM团队提出了一个巧妙的洞察： 推理过程并不是线性的，而是像编程时一样具有递归结构。 例如当我们写代码时，通常只关注光标附近的代码、已完成函数的输入输出，以及待办事项，而不会记住每个函数的所有实现细节。 这种"潜意识"的信息过滤机制，正是TIM系统的核心灵感来源。 把推理过程"解剖"成任务树 TIM最大的创新在于将推理轨迹建模为递归的子任务树，而不是传统的线性token序列。 每个任务单元包含四个关键组件： 思考过程 （thought） 工具使用 （tooluse） 子任务列表 （ ...