arXiv · cs.AI· Xiaoyue Xu, Sikui Zhang, Xiaorong Wang, Xu Han, Chaojun Xiao·· 11 小时前
Xu等提出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
arXiv:2606.18831v2阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Xiaoyue Xu, Sikui Zhang, Xiaorong Wang, Xu Han, Chaojun Xiao
研究任务与主要进展
Xu等人提出一种面向长上下文推理的数据配方，结合最简的结果导向GRPO设置，涵盖检索、多证据综合和推理三类任务。他们构建并整理了8个数据集、共约1.4万条样本，在Qwen3-4B、8B和30B-A3B模型、7个长上下文基准上分别取得平均+7.2、+3.2和+6.4分；将该数据配方用于智能体模型继续强化学习后，GAIA提升+4.8分、BrowseComp提升+7.0分。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org