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

Amine Benhalloum

ACL 2026ICLR 2026强化学习与后训练推理智能体与工具评测与基准可解释性
新星分贡献者
45
一作贡献0
核心/参与14
方向广度13
合作网络6
0 一作 · 2 篇 · ACL 2026 / ICLR 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

2
作者位次 #22/24ICLR 2026Oral· Reinforcement Learning / Planning

Gaia2: Benchmarking LLM Agents on Dynamic and Asynchronous Environments

Romain Froger · Pierre Andrews · Matteo Bettini · Amar Budhiraja · Ricardo Cabral · Virginie Do · Emilien Garreau · Jean-Baptiste Gaya · Hugo Laurençon · Maxime Lecanu · Kunal Malkan · Dheeraj Mekala · Pierre Ménard · Gerard Bertran · Ulyana Piterbarg · Mikhail Plekhanov · Mathieu Rita · Andrey Rusakov · Vladislav Vorotilov · Mengjuew Wang · Ian Yu · Amine Benhalloum · Grégoire Mialon · Thomas Scialom

推理智能体与工具强化学习与后训练OpenReview
作者位次 #23/25ACL 2026Poster· Natural Language Processing

A dvanced IF : Rubric-Based Benchmarking and Reinforcement Learning for Advancing LLM Instruction Following

Yun He · Wenzhe Li · Hejia Zhang · Songlin Li · Karishma Mandyam · Sopan Khosla · Yuanhao Xiong · Nanshu Wang · Xiaoliang Peng · Beibin Li · Shengjie Bi · Shishir G. Patil · Qi Qi · Shengyu Feng · Julian Katz-Samuels · Richard Yuanzhe Pang · Sujan Kumar Gonugondla · Hunter Lang · Yue Yu · Yundi Qian · Maryam Fazel-Zarandi · Licheng Yu · Amine Benhalloum · Hany Hassan Awadalla · Manaal Faruqui

摘要

Recent progress in large language models (LLMs) has led to impressive performance on a range of tasks, yet advanced instruction following (IF)—especially for complex, multi-turn, and system-prompted instructions—remains a significant challenge. Rigorous evaluation and effective training for such...

强化学习与后训练评测与基准可解释性OpenReview 项目页

常见合作者