연구진은 장기 과제 수행 시 컨텍스트 길이 제한 문제를 해결하기 위해 컨텍스트 압축을 활용한 강화 학습 전략인 CompactionRL을 제안했어요.
CompactionRL은 과제 실행과 요약 생성 과정을 동시에 최적화하며, GLM-4.5-Air 모델의 SWE-bench Verified Pass@1 점수를 7.0% 향상시켰어요.
CompactionRL은 GLM-5.2 모델 훈련 RL 파이프라인에 적용되어, 오픈 모델의 성능을 향상시키는 데 기여했어요.