面向智能体与多模态大模型的上下文感知强化学习

针对大语言模型在复杂上下文中难以定位关键证据的问题，本文提出 ContextRL，一种上下文感知的强化学习方法。该方法通过间接辅助目标，奖励模型从两个相似上下文中选择支持问答对的那一个，从而促进细粒度 grounding。在代码智能体轨迹和多模态图像领域构建对比数据后，ContextRL 在长程基准测试中平均提升 2.2%，在视觉问答基准中提升 1.8%。实验证明性能增益源于上下文选择目标而非单纯的数据增强。