paper.dinq.meAI 与前沿科学顶会 · 学术新星雷达
登录 DINQ
返回新星榜
KL

Kate Larson

AAAI 2026×2ICML 2026对齐与偏好理论与学习动力学数据与预训练
新星分贡献者
33
一作贡献0
核心/参与10
方向广度9
合作网络3
0 一作 · 3 篇 · AAAI 2026 / ICML 2026

获取完整研究档案

首次获取该候选人的完整档案及 StartLux 评估共 20 积分;每位用户单独解锁,之后查看免费。主动刷新 20 积分。

联系方式

实时查找电子邮箱,费用不超过20积分;未找到邮箱不扣费。

2026 顶会论文

3
作者位次 #3/4ICML 2026Poster· Deep Learning / Everything Else

Curated Synthetic Data Doesn’t Have to Collapse: A Theoretical Study of Generative Retraining with Pluralistic Preferences

Ali Falahati · Mohammad Mohammadi Amiri · Kate Larson · Lukasz Golab

对齐与偏好数据与预训练理论与学习动力学OpenReview
作者位次 #3/3AAAI 2026Poster· Artificial Intelligence

What Voting Rules Actually Do: A Data-Driven Analysis of Multi-Winner Voting

Joshua Caiata · Ben Armstrong · Kate Larson

常见合作者