DISCO 把长上下文拆成 Worker 并行检索加 Driver 推理，在 RULER-QA 百万 token 上保持 78.4% 准确率，推理成本降逾 80%
该工作提出 DISCO，把长上下文处理拆分为由轻量 Worker LLM 并行执行的局部证据检索（grounding）与由中心 Driver LLM 负责的全局推理（reasoning），Driver 用 GRPO 强化学习优化动态 DAG 规划；在 RULER-QA 1M token 上以 Qwen3-8B 保持 78.4% 准确率（RAG 基线跌至 10.9%），在 LongBench v2 上比全上下文基线最高提升 9.8 分，并在与 Gemini-3-Pro-Preview 相当的表现下把推理成本降低逾 80%。