北大团队 LongR：密集效用奖励强化学习突破长上下文推理

北大、上交、清华等机构提出 LongR 框架：用动态“Think-and-Read”机制让推理与文档查阅交替进行，并以基于相对信息增益的上下文密度奖励量化文档效用，无需证据标注。在 LongBench v2 上提升超过 9%，RULER 和 InfiniteBench 也有一致改进，兼容 DAPO、GSPO 等多种 RL 算法。