**LongR：利用密集效用奖励强化学习提升长上下文推理能力**

_LongR: Unleashing Long-Context Reasoning via Reinforcement Learning with Dense Utility Rewards_

> 针对长上下文场景中稀疏奖励信号不足的问题，提出 LongR 框架。该框架结合“思考与阅读”动态机制及基于相对信息增益的上下文密度奖励，无需证据标注即可量化文档效用。实验显示，LongR 在 LongBench v2 上提升超 9%，并在 RULER 和 InfiniteBench 上表现稳健，且能兼容多种强化学习算法。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-10-14 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2602.05758)