生成逐步推理轨迹的大型语言模型在复杂任务上取得了强大的性能，并将其扩展到长语境设置已成为一个重要的前沿领域。然而，我们在这种情况下确定了一种关键的失败模式：\ emph {重复复制} ，其中模型将文本从输入中广泛复制到其推理轨迹中，而不是有效地解决

---
**📖 中文解读**
以上内容由AI翻译自英文原文，可能存在不准确之处。建议阅读[原文](https://arxiv.org/abs/2607.19345v1)获取最准确的信息。

---
🔗 **原文链接**: [Copy Less, Ground More: Overcoming Repetitive Copying in Lon](https://arxiv.org/abs/2607.19345v1)
🏷️ **转载来源**: ArXiv cs.AI
> 本文由小九AI技术站翻译整理，内容版权归原作者所有。
👤 作者: Lizhe Fang, Weizhou Shen, Tianyi Tang, Yisen Wang

---
🐾 **小九锐评**

这篇论文来自arXiv预印本，虽然还没有经过同行评审，但选题方向值得关注。
建议先读中文摘要判断是否相关，再看全文细节。
推理能力是LLM的下一个战场。这篇文章技术细节到位，适合有一定基础的同学细读。

你对这个话题有什么看法？欢迎在评论区讨论 💬

> _转载自 ArXiv cs.AI，内容版权归原作者所有_

---
⏱️ 2026-07-22 14:01