KLong：训练用于解决超长时域任务的LLM代理

本文介绍了KLong，一个开源的LLM代理，专门用于解决超长时域任务。其核心思想是首先通过轨迹分割监督微调（SFT）冷启动模型，然后通过渐进式强化学习（RL）进行扩展训练。具体而言，首先使用全面的SFT方案激活基础模型的基本代理能力。随后引入Research-Factory，一个自动化流程，通过收集研究论文和构建评估标准生成高质量的训练数据。利用该流程，我们构建了数千条从Claude 4.5 Sonnet（Thinking）中提炼出的超长时域轨迹。为训练这些超长轨迹，我们提出了一种新的轨迹分割SFT方法，保留早期上下文，逐步截断后期上下文，并保持子轨迹之间的重叠。此外，为了进一步提升超长时域任务的解决能力，我们提出了一种新颖的渐进式RL方法，将训练分为多个阶段，逐步延长超时时间。实验表明，KLong在PaperBench等基准测试中表现出色，并且性能提升可推广到其他编程基准如SWE-bench Verified和MLE-bench。