Xu等提出长上下文推理RL数据配方，构建1.4万样本数据集
热点事件持续更新
Xu等提出长上下文推理RL数据配方，构建1.4万样本数据集
1 篇报道1 个报道来源11 小时前更新
先了解这件事
AI 综述
Xu等人提出一种以数据为中心的长上下文推理强化学习配方，配合最简的结果导向GRPO设置，任务覆盖检索、多证据综合和推理三类，构建了8个数据集、共约1.4万条样本，作者称将发布数据集。 基于论文摘要：在Qwen3-4B、8B和30B-A3B三个模型、7个长上下文基准上平均分别提升+7.2、+3.2和+6.4分，作者称超过既有RL训练集；将该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。
AI 根据报道生成 · 2 小时前更新
最新进展10月14日 12:00
Xu等提出面向长上下文强化学习的数据配方报道时间线
沿着报道，了解事件的不同侧面。
10月14日
- arXiv · cs.AIXu等提出面向长上下文强化学习的数据配方
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。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。