Evidence-State Rewards for Long-Context Reasoning
Maven은 긴 문맥 추론에서 모델이 증거를 단순 추출하는 데 그치지 않고 동적으로 추가(add)·연결(link)·삭제(drop)하는 상태 전이를 보상하는 강화학습 프레임워크로, 편집 가능한 증거 메모리와 정답 조건부 증거 상태 가치 함수를 GRPO에 결합한다. Llama 및 Qwen 모델로 LongBench v2, LongReason, RULER 벤치마크에서 평가한 결과, 최종 답변만 보상하는 방식과 증거 식별 기반선 대비 일관된 성능 향상과 낮은 방해 증거 잔류율을 달성했다.