**ContextRL：利用对比上下文选择提升大模型长程与多模态推理**

_Context-Aware RL for Agentic and Multimodal LLMs_

> 大语言模型在处理长文本或多模态信息时，常因难以定位关键证据而失败。本文提出ContextRL，一种上下文感知的强化学习方法，通过对比两个高度相似的上下文，训练模型选择支持给定查询-答案对的那个，从而隐式地增强细粒度定位能力。在编码智能体轨迹和视觉问答数据上构建对比数据，实验表明ContextRL在多个长程推理基准上平均提升2.2%，在12个视觉问答基准上提升1.8%。与仅使用对比数据作为额外训练样本的基线对比，该方法收益源于上下文选择目标设计，而非数据本身。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-06-19 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2606.17053)