少复制，多落地：用证据感知强化学习克服长上下文推理中的重复复制

论文指出，长上下文推理模型会大量复制输入文本，且上下文越长问题越严重。作者将根因归结为对相关证据缺乏聚焦，并提出GEAR奖励机制：鼓励与关键证据重叠、惩罚复制干扰信息。跨模型规模和基准测试中，GEAR较标准准确率奖励强化学习最高提升4.6个百分点，同时减少重复复制和思考长度。