ReSum

ReSum 处理 RLVR 长推理中的上下文预算问题：模型不是无限拉长 rollout，而是在推理中主动自总结并重组轨迹。它用 summarization-aware adaptive rollout 构造对比分支，比较有无总结短语时的轨迹收益；实验报告平均性能提升 4%，rollout length 降低 18.6%。这篇论文的看点是把 summarization 变成强化学习中的可奖励行为，而非外部压缩器。