研究人员提出 Highlight-Then-Summarize (H2S)，这是一种“先压缩后推理”的范式，能够识别与问题相关的证据，并在生成答案前将其整合为紧凑的摘要。为支持该方法，团队构建了包含来自11个基准系列的6,647个示例的 H2S-Dataset，并引入了用于过程级奖励的 H2S-RL。

  • 在共享128K输入和4K输出预算下，H2S-14B 在 H2S-Bench 上取得32.60的平均分。
  • 该模型比 Qwen3.8-27B 高出10.17分，在已评估的开源模型中取得了最强的整体结果。
  • H2S-14B 仅使用4K输出预算时，仍保留了其16K预算性能的97.1%，同时获得了最高的 Evidence-Summary Quality 分数。

这些结果表明，显式选择和整合证据能够提升长上下文推理能力，并实现更紧凑的生成。