快手与中科院大学开源长上下文RL训练方案GoLongRL

摘要与判断

快手科技与中科院大学联合开源长上下文强化学习训练方案 GoLongRL，使用 23K 样本覆盖 9 类真实任务。该方案通过多任务对齐机制提升长文本处理能力，其模型在相关基准测试中追平 DeepSeek-R1 等头部模型，为开发者提供了新的长文本模型训练参考。

Topics

引用和原文

• What if long-context AI could learn from diverse real-world tasks instead of just complex
• 原文链接

Trace

Raw Item

raw_b5f6d27fcbf5480e

Processed Item

processed_e4f351ec86904276

Source

source_x_jiqizhixin

LLM Logs

llm_2db2a264deac4f8a, llm_a5b39fdd90764c12

Coze Loop

276045212dff53193713b7c3f11268b1