Berkeley 团队研究 LLM 递归自摘要的信息丢失，并用重构奖励的 RL 修复

Berkeley 团队在 TMLR 发表论文，指出 LLM 在长程信息收集任务中递归自我总结会逐步损失信息，影响下游决策质量。作者提出按 belief 状态能否从轨迹中重构出来计算奖励信号，结合 RL 修复递归摘要失效问题。