北大团队 LongR:密集效用奖励强化学习突破长上下文推理

PKU · hf · 2026-10-14

北大、上交、清华等机构提出 LongR 框架，针对长上下文推理中稀疏结果奖励信号不足的问题，设计动态 "Think-and-Read" 机制(推理与文档查阅交替进行)，并以基于相对信息增益的上下文密度奖励量化文档效用，无需证据标注。

要点：

• 在 LongBench v2 上提升超过 9%，在 RULER 和 InfiniteBench 上也有一致改进
• 可兼容 DAPO、GSPO 等多种 RL 算法
• 深入分析了推理链长度对效率的影响及模型对干扰文档的鲁棒性

原文链接 →

「研究」频道最新

• 研究员：根本不存在「AI 药物」，别再拿假前提辩论 — PatrickKidger · 2026-10-14
• 反直觉：推理力度拉满反而更差，拒绝率飙升拖垮评测成绩 — _lewtun · 2026-10-14
• 整数乘法仓库变身 Agent 基准：协作反而不如各干各的 — iskander · 2026-10-14
• Alec Helbling：新方法可视为「循环自条件化」 — alec_helbling · 2026-10-14
• MIT 研究者用爱犬 fMRI 数据做出可交互的大脑数字孪生 — Sad_Measurement_7502 · 2026-10-14
• Linux 内核 CVE 周修复量从 600 骤降至 1，AI 扫码或逼近清零 — MarkoMarjamaa · 2026-10-14

更多「研究」频道 AI 资讯 →