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

Xuexiang Wen

AAAI 2026ACL 2026强化学习与后训练推理对齐与偏好
新星分新星
62
一作贡献30
核心/参与5
方向广度9
合作网络9
1 一作 · 2 篇 · AAAI 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

2
一作ACL 2026Findings· Findings of ACL

Verifier-Free RL for LLM s via Intrinsic Gradient-Norm Reward

Xuexiang Wen · Hang Yu · Linchao Zhu · Gaoang Wang

摘要

While Reinforcement Learning with Verifiable Rewards (RLVR) has recently emerged as a promising post-training paradigm for Large Language Models (LLMs), its dependency on the gold label or domain-specific verifiers limits its scalability to new tasks and domains. In this work, we propose Verifier...

强化学习与后训练推理对齐与偏好OpenReview 项目页

常见合作者