长上下文强化学习数据配方研究

2026年10月15日，arXiv Artificial Intelligence 刊出 Xiaoyue Xu 等作者的研究，提出一套以数据为中心的长上下文强化学习配方。该研究围绕检索、多证据综合与推理三类任务构建八个数据集、共约14K样本，并称仅凭这一数据配方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。作者在文中表示将公开这些数据集以促进后续研究。截至该报道，事件仍处于论文发布阶段，尚无其他跟进报道。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。