正文

R-HORIZON：揭示大型推理模型的长程推理瓶颈与突破路径

美团LongCat团队ICLR 2026入选工作R-HORIZON，通过问题组合方法构建长程推理基准测试，揭示当前大模型在多步骤依赖推理中的性能衰减问题，并提供有效的训练改进方案。

R-HORIZON美团长程推理ICLR 2026推理模型基准测试问题组合DeepSeek-R1强化学习GRPO

发布时间 2026/04/02 14:25最近活动 2026/04/02 14:52预计阅读 2 分钟

章节 01

【导读】R-HORIZON：揭示大型推理模型长程推理瓶颈与突破路径

美团LongCat团队ICLR 2026入选工作R-HORIZON，通过问题组合方法构建长程推理基准测试，揭示当前大模型在多步骤依赖推理中的性能衰减问题，并提供有效的训练改进方案，对AI推理能力评估及模型优化具有重要意义。

章节 02

当前主流推理基准（如MATH、AIME）聚焦独立单步推理任务，样本间相互隔离，无法模拟现实中多步关联的复杂场景（如科学实验前置步骤、软件开发模块交互），导致无法评估模型长程依赖推理的真实能力，形成性能评估盲点。

章节 03

R-HORIZON提出查询组合方法构建长程推理任务，流程包括三步：1.筛选含有效整数的问题（确保变量替换可行性）；2.识别关键变量（作为问题间连接器）；3.串联问题形成链式依赖（前一步答案作为后一步参数，强制长程逻辑一致性）。

章节 04

对20+先进模型评估发现：所有模型在长程推理中性能暴跌。以DeepSeek-R1为例，AIME25单问题通过率87.3%，5问题串联仅24.6%；更大模型韧性更强，代码生成任务衰减更陡峭，模型存在思考资源分配不均衡问题。

章节 05

团队用R-HORIZON组合数据通过GRPO强化学习训练模型，结果显示：2问题组合训练使AIME24 n=2提升17.4分，单问题提升7.5分（正向迁移）；n=4训练使MATH500(n=8)通过率从8.4%升至50.6%，证明训练方法有效性。

章节 06

该研究启示：1.需构建更全面的长程推理评估框架；2.揭示Scaling Law新维度——推理链条长度；3.为Agent系统（多步规划执行）提供理论与数据基础。

章节 07

团队开源了：论文（arXiv:2510.08189）、基准数据集（Hugging Face含Math500等子集）、组合训练数据、训练后模型，助力研究者复现与改进。

章节 08

R-HORIZON揭示了当前大模型长程推理的能力边界，但也证明通过针对性训练可显著提升。期待社区利用开源资源，共同推动AI推理能力迈向新高度。