通过训练让Agent自主读取长文和分派子任务

研究将长上下文处理设计为可学习的工具使用流程。模型可以按词元范围读取原文，也可以带着指定问题调用子Agent处理片段。各Agent只维护较小的当前上下文，原文留在外部环境。 作者用多种合成任务微调Qwen3.6-35B-A3B，比较不同文档长度下的检索、计数和汇总表现。在OOLONG-synth文档超过4万词元的设置下，论文报告使用8千词元工作窗口的微调模型达到与GPT-5.4百万词元上下文相近的成绩。RULER中不同任务表现存在差异，结果说明训练读取和分派策略是一条可行路径，而非对所有长文任务的统一性能保证。