复旦大学与美团LongCat联合推出 R-HORIZON——首个系统性评估与增强 LRMs 长链推理能力的评测框架与训练方法。

据介绍，R-HORIZON 提出了问题组合（Query Composition）方法，通过构建问题间的依赖关系，将孤立任务转化为复杂的多步骤推理链。

以数学任务为例，该方法包含三个步骤：

1. 信息提取：从独立问题中提取核心数值、变量等关键信息
2. 依赖构建：将前序问题的答案嵌入到后续问题的条件中
3. 链式推理：模型必须顺序解决所有子问题才能获得最终答案

方法优势：

• 灵活扩展：可自由控制推理链长度（n=2, 4, 8...）

• 精确可控：可灵活设定问题间的依赖强度

• 高效低成本：基于现有数据集构建，无需额外人工标注

基于此方法，团队构建了R-HORIZON Benchmark用于系统性评估 LRMs 的多步推理能力，同时生成了长链推理训练数据，通过强化学习（RLVR）提升模型性能。

R-HORIZON 方法流程——从单 — 问题到复杂推理链的转化及应用场景

R-HORIZON 标志着大型推理模型研究的范式转变——从「能解决什么问题」到「能走多远」。

技术贡献

• 首个长链推理评测基准：系统性揭示 LRMs 的能力边界及三大瓶颈

• 可扩展训练范式：提供低成本、高效率的能力提升路径

• 深度机制分析：为未来推理模型改进指明方向

论文标题： R-HORIZON: How Far Can Your Large Reasoning Model Really Go in Breadth and Depth?

论文地址： https://arxiv.org/abs/2510.08189
项目主页： https://reasoning-horizon.github.io
代码地址： https://github.com/meituan-longcat/R-HORIZON 
数据集：https://huggingface.co/collections/meituan-longcat/r-horizon