검증 가능한 보상을 이용한 강화학습 (Reinforcement Learning with Verifiable Rewards, RLVR)은 대규모 언어 모델(LLMs)의 장기적인 추론 능력을 향상시키는 핵심 기술입니다. 하지만 기존의 RLVR 방법들은 불필요하게 긴 추론 롤아웃을 유도하는 경우가 많으며, 이는 추론 일관성을 저하시키고 사용 가능한 컨텍스트 예산을 소진시킬 수 있습니다. 또한, 장기 컨텍스트를 조직화하는 기존 접근 방식들은 모델 스스로가 자신의 추론 궤적(reasoning trajectory)을 관리하기보다는 외부 메커니즘에 의존하는 경우가 많습니다. 이러한 한계를 해결하기 위해, 우리는 LLMs가 자체 요약(self-summarization)을 통해 자신의 추론 궤적을 압축하고 조직화할 수 있도록 하는 새로운 RLVR 프레임워크인 ReSum을 제안합니다. 파일럿 연구를 통해 저희는 자체 요약이 토큰 수준의 엔트로피를 낮춤으로써 생성을 안정화시키며, '요약(summarization)' 구문을 도입하는 것이 부정확한 롤아웃 접두사에서 전파되는 오류를 크게 완화할 수 있음을 보여주었습니다. 이러한 발견에 영감을 받아, ReSum은 자체 요약이 진행 중인 추론 과정에 이점을 주는지 대조적으로 평가하는 '요약 인식 적응형 롤아웃 메커니즘(summarization-aware adaptive rollout mechanism)'을 채택합니다. 구체적으로, 모델이 자발적으로 자체 요약을 트리거할 때 ReSum은 해당 요약 구문을 마스킹하여 대조적 분기(contrastive branch)를 생성하고; 요약이 아닌 위치에서는 대신 무작위로 해당 구문을 주입하여 일치하는 분기(matched branch)를 생성합니다. 나아가, 우리는 더 세밀한 비교를 가능하게 하는 '요약 인식 어드밴티지(summarization-aware advantage)'를 설계했습니다. 광범위한 실험 결과에 따르면 ReSum은 4%의 평균 성능 향상을 보이면서도 롤아웃 길이를 18.6% 감소시키는 것으로 나타났습니다.