復旦大學與美團聯合發佈 R-HORIZON，長鏈推理評測框架 - 新聞 詳情

復旦大學與美團LongCat聯合推出 R-HORIZON——首個系統性評估與增強 LRMs 長鏈推理能力的評測框架與訓練方法。

據介紹，R-HORIZON 提出了問題組合（Query Composition）方法，通過構建問題間的依賴關係，將孤立任務轉化為複雜的多步驟推理鏈。

以數學任務為例，該方法包含三個步驟：

1. 信息提取：從獨立問題中提取核心數值、變量等關鍵信息
2. 依賴構建：將前序問題的答案嵌入到後續問題的條件中
3. 鏈式推理：模型必須順序解決所有子問題才能獲得最終答案

方法優勢：

  • 靈活擴展：可自由控制推理鏈長度（n=2, 4, 8...）

  • 精確可控：可靈活設定問題間的依賴強度

  • 高效低成本：基於現有數據集構建，無需額外人工標註

基於此方法，團隊構建了R-HORIZON Benchmark用於系統性評估 LRMs 的多步推理能力，同時生成了長鏈推理訓練數據，通過強化學習（RLVR）提升模型性能。

R-HORIZON 方法流程——從單 — 問題到複雜推理鏈的轉化及應用場景

R-HORIZON 標誌着大型推理模型研究的範式轉變——從「能解決什麼問題」到「能走多遠」。

技術貢獻

  • 首個長鏈推理評測基準：系統性揭示 LRMs 的能力邊界及三大瓶頸

  • 可擴展訓練範式：提供低成本、高效率的能力提升路徑

  • 深度機制分析：為未來推理模型改進指明方向

論文標題： R-HORIZON: How Far Can Your Large Reasoning Model Really Go in Breadth and Depth?

論文地址： https://arxiv.org/abs/2510.08189
項目主頁： https://reasoning-horizon.github.io
代碼地址： https://github.com/meituan-longcat/R-HORIZON 
數據集：https://huggingface.co/collections/meituan-longcat/r-horizon