Copy Less, Ground More: Overcoming Repetitive Copying in Long-Context Reasoning via Evidence-Aware Reinforcement Learning

• 类型：arxiv
• 标识：2607.19345
• 链接：http://arxiv.org/abs/2607.19345v1
• 主分类：llm-infra
• 形态：method
• 被引：0
• 被引来源：Semantic Scholar + OpenAlex
• S2被引：0
• OpenAlex被引：0
• 影响力被引：0
• TLDR：These findings suggest that, even as long-context evaluation shifts from simple retrieval toward complex reasoning, accurate grounding in relevant evidence remains an indispensable capability with substantial room for improvement.
• OpenAlex ID：W7170072468
• OpenAlex DOI：10.48550/arxiv.2607.19345
• DOI：10.48550/arxiv.2607.19345
• DOI来源：OpenAlex
• 开放获取：green
• 开放获取链接：https://doi.org/10.48550/arxiv.2607.19345
• OpenAlex更新：2026-08-24
• 待LLM分类：否
• 成熟度：research
• 场景：long-context reasoning、reinforcement learning、LLM training
• 标题中文：少抄多据：通过证据感知的强化学习克服长上下文推理中的重复抄录
• TLDR中文：这些发现表明，即便长上下文评估正从简单检索转向复杂推理，对相关证据的准确 grounding 仍是一项不可或缺且仍有大幅提升空间的能力。
• 来源文件：
• /inbox/tom/_candidates/2026-07-22-agent-rag-longcontext-candidates.json
• [S2 enrich]
• [OpenAlex backfill]