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

Enmao Diao

AwardICML 2026×2ACL 2026效率与系统长上下文与架构强化学习与后训练对齐与偏好
新星分贡献者
58
一作贡献0
核心/参与31
方向广度11
合作网络6
0 一作 · 3 篇 · ICML 2026 / 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

3
作者位次 #4/4ICML 2026Poster· Deep Learning / Large Language Models

OBCache: Optimal Brain KV Cache Pruning for Efficient Long-Context LLM Inference

Yuzhe Gu · Xiyu Liang · Jiaojiao Zhao · Enmao Diao

效率与系统长上下文与架构OpenReview
作者位次 #2/9ACL 2026OralOutstanding Paper· Natural Language Processing

From Local to Global: Revisiting Structured Pruning Paradigms for Large Language Models

Ziyan Wang · Enmao Diao · Qi Le · Pu Wang · Minwoo Lee · Shu-ping Yeh · Evgeny Stupachenko · Hao Feng · Li Yang

摘要

Structured pruning is a practical approach to deploying large language models (LLMs) efficiently, as it yields compact, hardware-friendly architectures. However, the dominant local paradigm is task-agnostic: by optimizing layer-wise reconstruction rather than task objectives, it tends to preserve...

强化学习与后训练效率与系统对齐与偏好OpenReview 项目页

常见合作者