장문 맥락 추론(Long-context reasoning)은 대규모 언어 모델(LLM)의 핵심 과제로 남아 있으며, 모델들은 방대한 방해 콘텐츠 속에서 핵심 정보를 찾아 통합하는 데 종종 실패합니다. 검증 가능한 보상을 활용한 강화학습(RLVR, Reinforcement learning with verifiable rewards)은 이 작업에 유망한 가능성을 보여주었으나, 기존 방법들은 혼동 가능성이 낮은 방해 요소(distractors)와 중간 추론 단계를 감독할 수 없는 희소한 결과 중심의 보상 신호라는 한계가 있습니다. 이러한 문제를 해결하기 위해, 우리는 \textsc{LongTraceRL}을 소개합니다. 데이터 구축을 위해, 우리는 지식 그래프(knowledge graph)의 랜덤 워크(random walks)를 통해 다단계(multi-hop) 질문을 생성하고, 검색 에이전트의 궤적(trajectories)을 활용하여 \emph{계층적 방해 요소(tiered distractors)}를 구축합니다. 이는 에이전트가 읽었지만 인용하지 않은 문서(높은 혼동 가능성)와 검색 결과에는 나타났지만 한 번도 열어보지 않은 문서(낮은 혼동 가능성)로 구성되며, 이를 통해 무작위 샘플링이나 단발성 검색(one-shot search)으로 구축된 것보다 훨씬 더 도전적인 학습 맥락을 생성합니다. 보상 설계의 경우, 각 추론 체인을 따라가는 정답 엔티티(gold entities)를 세밀한 엔티티 수준의 과정 감독(process supervision)으로 사용하는 \emph{루브릭 보상(rubric reward)}을 제안합니다. 이 루브릭 보상은 최종 정답이 올바른 응답에만 적용되는 (positive-only strategy) 방식을 취하여, 정답 응답들 사이의 추론 품질을 차별화하고 보상 해킹(reward hacking)을 방지합니다. 5개의 장문 맥락 벤치마크에 대해 세 가지 추론 LLM(4B--30B)을 대상으로 진행한 실험 결과, \textsc{LongTraceRL}은 강력한 베이스라인 모델들을 일관되게 능가하며 포괄적이고 증거에 기반한 추론을 촉진함을 입증했습니다. 코드, 데이터셋 및 모델은 \href{https://github.com/THU-KEG/LongTraceRL}{https://github.com/THU-KEG/LongTraceRL}에서 확인할 수 있습니다.