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

Xiaoyun Zhang

AAAI 2026ACL 2026强化学习与后训练推理效率与系统安全对齐与偏好
新星分新星
81
一作贡献70
核心/参与0
方向广度13
合作网络9
2 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

Revisiting Entropy Regularization: Adaptive Coefficient Unlocks Its Potential for LLM Reinforcement Learning

Xiaoyun Zhang · Xiaojian Yuan · Di Huang · Wang You · Chen Hu · Jingqing Ruan · Kejiang Chen · Xing Hu

摘要

Reasoning ability has become a defining capability of Large Language Models (LLMs), with Reinforcement Learning with Verifiable Rewards (RLVR) emerging as a key paradigm to enhance it. However, RLVR training often suffers from policy entropy collapse, where the policy becomes overly deterministic...

强化学习与后训练推理效率与系统OpenReview 项目页

常见合作者