Hugging Face 每日论文·2026-10-12 08:00· 2 天前精选AI 评分51

LongR 用稠密效用奖励提升 LLM 长上下文推理

LongR: Unleashing Long-Context Reasoning via Reinforcement Learning with Dense Utility Rewards

AI 导读

论文提出 LongR 框架，通过动态 Think-and-Read 机制将推理与文档查阅交替进行，并基于相对信息增益的上下文密度奖励量化相关文档的效用，无需证据标注。实验显示 LongR 在 LongBench v2 上提升超过 9%，在 RULER 和 InfiniteBench 上也有一致改善，且在 DAPO、GSPO 等多种 RL 算法上均能提升性能。

来源：Hugging Face 每日论文 · huggingface.co

论文研究 #论文/研究