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

Dipesh Tamboli

ACL 2026推理对齐与偏好强化学习与后训练
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 #5/8ACL 2026Findings· Findings of ACL

TAR o: Token-level Adaptive Routing for LLM Test-time Alignment

Arushi Rai · Qiang Zhang · Hanqing Zeng · Yunkai Zhang · Dipesh Tamboli · Xiangjun Fan · Zhuokai Zhao · Lizhu Zhang

摘要

Large language models (LLMs) exhibit strong reasoning capabilities but typically require expensive post-training to reach high performance. Recent test-time alignment methods offer a lightweight alternative, but have been explored mainly for preference alignment rather than reasoning. To bridge t...

推理对齐与偏好强化学习与后训练OpenReview 项目页

常见合作者