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

Guanhao Su

ACL 2026多模态强化学习与后训练数据与预训练
新星分贡献者
22
一作贡献0
核心/参与5
方向广度6
合作网络3
0 一作 · 1 篇 · ACL 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

1
作者位次 #4/5ACL 2026Workshop· ACL System Demonstrations

Ryze: Evidence-Enriched Data Synthesis from Biomedical Papers

Yeqi Huang · Yue Chen · Yanwei Ye · Guanhao Su · Luo Mai

摘要

General-purpose VLMs remain unreliable for biomedical research because valid answers in scientific papers depend on evidence split across figures, tables, charts, captions, and referring text.Existing post-training pipelines are bottlenecked by costly expert annotation and by synthetic data that...

多模态强化学习与后训练数据与预训练OpenReview 项目页

常见合作者