RL 后训练能否让 LLM 学会组合推理？相关论文入选 NeurIPS 2026

论文《Compositional Reasoning in Language Models under Reinforcement Learning Post-Training》被 NeurIPS 2026 接收，研究 LLM 能否通过 RL 后训练学会单独的推理技能，并将其组合以解决更复杂的问题。作者 yuhe441 发布了 8 条长推解读线程，转发正文尚未展开具体结论。