清华大学团队发布 LongZero：零外部数据自合成任务强化 LLM 长上下文推理

清华大学团队万振南、陈建飞发布 LongZero，通过零数据 RL 让 LLM 在不依赖外部数据的情况下自提升长上下文推理能力。方法由策略模型 πθ 从问答证据直接生成或扩展结构化的多跳与检索式长上下文任务，再以 GRPO 训练自举。论文于 10 月 21 日发布在 arXiv，模型已上架 Hugging Face。