**LongTraceRL：基于搜索智能体轨迹和细则奖励的长上下文推理学习**

_LongTraceRL: Learning Long-Context Reasoning from Search Agent Trajectories with Rubric Rewards_

> LongTraceRL提出一种新的强化学习方法，通过知识图谱随机游走生成多跳问题，并利用搜索智能体轨迹构建分层干扰项，结合细则奖励实现细粒度过程监督，有效提升大语言模型在长上下文推理中的表现。实验表明，该方法在多个基准上优于现有方案，并促进基于证据的推理。代码、数据集和模型已开源。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-06-01 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2605.31584)