研究提出长上下文强化学习数据配方

Xiaoyue Xu等作者提出一套以数据为中心的长上下文强化学习方案：构建检索、多证据综合与推理三类任务共八个数据集、约14K条样本，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。 作者称，该数据配方单独使用即可带来上述提升，并计划公开数据集以支持后续研究。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。