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

Zhuonan Wang

AAAI 2026ACL 2026效率与系统强化学习与后训练代码
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 · 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
作者位次 #3/11ACL 2026Findings· Findings of ACL

C o M o L : Efficient Mixture of L o RA Experts via Dynamic Core Space Merging

Jie Cao · Zhenxuan Fan · Zhuonan Wang · Tianwei Lin · Ziyuan ZHAO · Rolan Yan · Wenqiao Zhang · Feifei Shao · Hongwei Wang · Jun Xiao · Siliang Tang

摘要

Large language models (LLMs) achieve remarkable performance on diverse downstream and domain-specific tasks via parameter-efficient fine-tuning (PEFT). However, existing PEFT methods, particularly MoE-LoRA architectures, suffer from limited parameter efficiency and coarse-grained adaptation due t...

效率与系统强化学习与后训练代码OpenReview 项目页

常见合作者