现在做长上下文推理，主流思路是在奖励上使劲堆，各种精巧设计。国内一个团队联合高校给了个反例：奖励那块用最朴素的一套，力气全花在数据配方上——把长文推理拆成检索、多证据合成、推理三种能力，按能力配了八个数据集，总共才一万四千条左右。跑在三个不同规模的底座上，七个长上下文基准平均提升七点二、三点二和六点四，小模型受益最明显。一万四千条数据能干这个，那我们过去堆的那些复杂机制，到底有多少是必要的？
现在做长上下文推理，主流思路是在奖励上使劲堆，各种精巧设计。国内一个团队联合高校给了个反例：奖励那块用最朴素的一套，力气全花在数据配方上——把长文推理拆成检索、多证据合成、推理三种能力，按能力配了八个数据集，总共才一万四千条左右。跑在三个不同规模的底座上，七个长上下文基准平均提升七点二、三点二和六点四，小模型受益最明显。一万四千条数据能干这个，那我们过去堆的那些复杂机制，到底有多少是必要的？