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

Lingxiao He

ACL 2026推理强化学习与后训练效率与系统
新星分贡献者
35
一作贡献0
核心/参与12
方向广度6
合作网络6
0 一作 · 1 篇 · 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

1
作者位次 #2/8ACL 2026Findings· Findings of ACL

Understanding and Mitigating Spurious Signal Amplification in Test-Time Reinforcement Learning for Math Reasoning

Yongcan Yu · Lingxiao He · Jian Liang · Kuangpu Guo · Meng Wang · Qianlong Xie · Xingxing Wang · Ran He

摘要

Test-time reinforcement learning (TTRL) always adapts models at inference time via pseudo-labeling, leaving it vulnerable to spurious optimization signals from label noise.Through an empirical study, we observe that responses with medium consistency form an ambiguity region and constitute the pri...

推理强化学习与后训练效率与系统OpenReview 项目页

常见合作者