为什么重要：当 prompt 长度逼近 100k token，长上下文 LLM 不再是"忘了"——而是开始把整段 prompt 原样抄进推理链。今日新论文 GEAR 把这种「repetitive copying」做成可被 reward shaping 直接优化的目标，开辟了"用 RL 教模型不再抄"这条新轴线；同时 MaLoRA/MaRA 走 adapter 路线、VeyraBench 用受控实验钉死了"context 一旦变长，模型就开始逃答案"的失败曲线——三条线合在一起，2026 H2 长上下文推理的战场不再是"加 KV cache"或"再 pretrain 一个 1M 模型"，而是grounding 能力。
作者：未列出完整团队，cs.CL/cs.AI 双分类，2026-07-22 v1。
问题：作者把长上下文推理里的失败模式命名为 repetitive copying——模型把 prompt 整段抄进 CoT。诊断实验显示：把 prompt 拆成"关键证据 + 干扰段落"，无法聚焦关键证据的模型，答错率显著更高。换句话说，错的不是检索，是接地（grounding）。
方法：GEAR 在标准 accuracy reward 之外加了两条 shaping：
配套一条自动化 pipeline，把任意文档构造为带证据标注的训练数据。
结果：在多个模型规模与 benchmark 上，平均比 accuracy-only RL 高 +4.6 分；上下文越长提升越大；同时 reasoning length 和重复抄写都下降。
局限性：依赖一个能可靠划分"关键证据 vs 干扰"的标注器——pipeline 本身的可信度上限就是该标注器的上限；如果关键证据边界本身就模糊（比如需要跨段推理才能识别），reward 会被噪声污染。另外论文未披露与 SFT-only baseline 的对照，而 4.6 分里有多少来自"RL 比 SFT 更稳"、多少来自"reward shaping 本身"，需要看附录消融。
作者：Atahan Dokme（独立研究者）
核心论点：LoRA 给所有 token 套同一个静态 update——这是无状态的。MaLoRA 把 scaling factor 换成 input-dependent 的 Mamba 状态空间递归；MaRA 进一步做跨 segment 的 retrieval 选择。
结果：在 Qwen-2.5-7B / Llama-3.1-8B / Gemma-2-9B 三个冻结 backbone 上，MuSiQue + 2WikiMultihopQA 两个多跳 QA benchmark，平均比 LoRA 高 +6.8 F1（+10.5% 相对），最难 cell 高 +9.3 F1（+18.2% 相对）；RULER QA-2 在长度压力下 token-level 增益也保留。
局限：单作者工作，3×2 grid 实验体量有限；adapter 是冻结 backbone 之上的"补丁"，若 grounding 问题是 backbone 本身表征能力的瓶颈，adapter 只能局部修补，不能根治。
作者：iNetanel 等（GitHub: iNetanel/veyrabench）
设计：用「Book of Veyra」——8,780 个唯一命名实体、种子可复现的合成语料——隔离污染。两个受控实验：
关键发现：
局限：合成语料，与真实长文档分布未必吻合；只覆盖 5 个模型，且未跨训练 cutoff 严格验证 generalization。
| 论文 | 切入角度 | 与今日主题的关系 |
|---|---|---|
| Supra Cognitive Modes (SCM) | agent memory 路由（lookup / multi-hop / long-form synthesis） | 把"按 query 模式分派检索"做成架构层解决——和 GEAR 的 reward 层解决互补 |
| Athena-Brain-8B Technical Report | on-device 具身智能 8B 模型 | 短响应 + 强推理——和"重复抄写"反向，验证 RL shaping 能压 length |
| Budget-Calibrated Recovery Routing | coding agent 在 cheap recovery vs escalate 之间的 cost-aware 路由 | 同根问题（推理成本），不同战场（coding） |
| LLM Detection as Intervention | 检测器作为干预，扭曲下游用户行为 | 提醒：评估指标本身会改变被评估对象——GEAR reward 同样有此风险 |
| Agents in the Wild (tutorial) | 从研究到部署：verification / fallback / human-in-loop | 把"grounding"问题拉回到工程视角：verification pipeline 是 grounding 失败时的兜底 |
共同信号：今日 cs.AI/cs.CL 提交里至少有 4 篇独立工作（GEAR / MaLoRA-MaRA / SCM / VeyraBench）从不同维度触及同一个问题——模型在长上下文下的"分心"与"逃答案"。这不是单点突破，是一个正在成形的子方向。
GEAR 值得关注但别急着用。"+4.6 分 + 长度越长收益越大 + 还能压 reasoning length"——这三个数字同时达成，在 2026 H1 的 RL-for-reasoning 论文里很少见。但判断落地价值要看三件事：① 证据标注 pipeline 在跨域（代码 / 中文 / 多模态）上的稳定性；② 与 RLOO / DPO / GRPO 等已有 RL 框架的集成成本；③ reward hacking 风险——模型可能学会"挑最容易抄的那段关键证据"。
VeyraBench 比 GEAR 更值得工程团队先看。它的结论是直接 actionable 的：
风险提示：
下一步该盯什么：
数据来源：arXiv cs.AI / cs.CL 2026-07-22 提交列表（共 287 条，筛选标准：新方法论 / 受控实验 / 有开源承诺）。