arXiv Artificial Intelligence· Xiaoyue Xu, Sikui Zhang, Xiaorong Wang, Xu Han, Chaojun Xiao·2026-10-15 12:00· 19 小时前AI 评分35

超越奖励工程：面向长上下文强化学习的数据配方

Beyond Reward Engineering: A Data Recipe for Long-Context Reinforcement Learning

AI 导读

研究提出一套以数据为中心的长上下文强化学习配方，围绕检索、多证据综合与推理三类任务构建八个数据集、共约14K样本，配合基于结果的最小化 GRPO 设置即可显著提升长上下文推理能力。