**强化学习驱动大模型自主从长文本中自我学习**

_Incentivizing Self-Learning in Large Language Models via Reinforcement Learning_

> 研究提出 BookNavigator 接口，利用强化学习激励大模型自主检索、研读并应用长文本教材中的知识以解决数学问题。实验表明，该方法显著提升了模型在跨领域及长上下文任务中的证明准确率，验证了通过长文本进行自我学习以增强复杂问题解决能力的潜力。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：ai-models
- **发布时间**：2026-11-12 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2610.39671)