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

Shuai Lü

AAAI 2026×2NeurIPS 2026SIGIR 2026强化学习与后训练多模态对齐与偏好可解释性
新星分资深
17
一作贡献0
核心/参与4
方向广度14
合作网络0
0 一作 · 4 篇 · AAAI 2026 / NeurIPS 2026 / SIGIR 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

4
作者位次 #3/3NeurIPS 2026Poster

Optimistic Q-value Adaptation for Offline-to-Online Reinforcement Learning

Hao Wu · Shunhao Zhang · Shuai Lü

强化学习与后训练OpenReview
作者位次 #5/5SIGIR 2026Oral· Information Retrieval (Full)

Selective Constraint Learning for Unsupervised Cross-Domain Image Retrieval

Wensi Fang · Xiaodan Zhang · Xiaoyu Lian · Qiang Li · Shuai Lü

摘要

Unsupervised cross-domain image retrieval aims to retrieve semantically consistent images across domains with significant domain gaps, which poses substantial challenges under the absence of annotations in both domains. Existing approaches primarily rely on internally derived supervision signals...

多模态对齐与偏好可解释性OpenReview

常见合作者