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

Lu Han

ACL 2026ICLR 2026可解释性效率与系统评测与基准
新星分新星
64
一作贡献30
核心/参与5
方向广度9
合作网络12
1 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 #3/12ACL 2026Findings· Findings of ACL

S ep S eq: A Training-Free Framework for Long Numerical Sequence Processing in LLM s

Jie Sun · Yu Liu · Lu Han · Qiwen Deng · Xiang Shu · Yang Xiao · Lintao Ma · Xingyu Lu · JUN ZHOU · Pengfei Liu · Jiancan Wu · Xiang Wang

摘要

While transformer-based Large Language Models (LLMs) theoretically support massive context windows, they suffer from severe performance degradation when processing long numerical sequences. We attribute this failure to the attention dispersion in the Softmax mechanism, which prevents the model fr...

可解释性效率与系统评测与基准OpenReview 项目页

常见合作者