这就像开卷考试，书太厚，你找不到答案在哪，开卷也等于零分。 研究者把这种瓶颈正式命名为“长上下文推理 RL”，强调模型必须先检索并定位片段，再进行多步逻辑链生成，而不是直接“凭存货作答”。

结果显示，经过LASER训练后，模型生成中冗余的Backtracking（反复自我否定）显著减少，而Verification（验证）、Subgoal Setting（子目标拆解）等关键推理行为得以保留甚至增强。

论文提到，经过QwenLong-L1训练后，模型明显更擅长信息定位（Grounding）、子目标设定（Subgoal Setting）、回溯（Backtracking）和验证（Verification）。

在人工智能快速发展的今天，大型语言模型的能力边界不断被突破。然而，如何让这些智能系统有效处理和理解长篇幅文本，并在此基础上进行复杂推理，一直是一个尚未完全解决的难题。2025年5月，阿里巴巴Qwen-Doc团队的研究人员范凡奇、沈卫洲、廖胜义等发布了 ...

有趣发现： 长上下文推理行为的涌现和变化 探索训练过程中推理模式的动态变化：包括长上下文推理相关的 Grounding 和通用推理相关的 Backtracking ...