Context-Aware RL for Agentic and Multimodal LLMs

这篇提出 ContextRL，用 context-aware reinforcement learning 改善长程推理和多模态表现。摘要里的失败例子很具体：答案可能取决于工具 trace 里的一行，或图像里一个细微细节；方法用 indirect auxiliary objective 训练模型识别这种决定性证据。对 agentic LLM 来说，这类训练目标直接对应工具使用、证据查找和多轮任务中的注意力分配问题。