ReSum：利用强化学习协同大语言模型的推理与总结能力

针对现有可验证奖励强化学习（RLVR）方法常导致不必要冗长推理、损害连贯性且耗尽上下文预算的问题，本文提出 ReSum 框架。该框架使大语言模型能够通过自总结压缩并组织推理轨迹。ReSum 采用感知总结的自适应展开机制，对比评估自总结对推理过程的益处，并设计感知总结的优势函数以进行细粒度比较。实验表明，ReSum 在平均提升 4% 性能的同时，将推理展开长度减少了 18.6%，有效稳定了生成过程并缓解了错误传播。