ICML 2026 接收三篇长视野推理与强化学习新论文

摘要与判断

British Open-ended Learning and Discovery Lab 在 ICML 2026 上发表了三篇关于长视野推理与强化学习的论文，涵盖 h1（Spotlight）、LongCoT 和 RcRL。这些研究通过课程强化学习和长视野思维链基准测试，探索了模型在复杂任务泛化、超长文本推理以及不可验证领域自我改进方面的能力，为提升大模型的高阶推理提供了新的学术参考。

Topics

引用和原文

• 🚀 Three (yes, three!) papers on long-horizon reasoning and RL for non-verifiable domains
• 原文链接

Trace

Raw Item

raw_b2824f932bde4fe7

Processed Item

processed_b802fe60eda04fd6

Source

source_x_feishu_candidate_rockt

LLM Logs

llm_6b7588a1ad7c45f8, llm_91c143661bbe4b6e, llm_efaa95fefce14868

Coze Loop

aaa8999035afe82ccf16c9859cb6e90a