学习冻结大语言模型的证据高亮

大语言模型虽具备推理能力，但在长且嘈杂的上下文中常遗漏关键证据。本文提出 HiLight 框架，将证据选择与推理解耦。该方法训练轻量级“强调智能体”在原始上下文中插入高亮标签，避免压缩或重写输入导致的信息失真，随后由冻结的求解器进行推理。通过强化学习利用任务奖励优化智能体，无需证据标注。实验表明，该方法在推荐和问答任务中显著优于基线，且策略可零样本迁移至不同规模的求解器。