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

Lijie Wen

AAAI 2026ACL 2026KDD 2026NeurIPS 2026强化学习与后训练多模态推理效率与系统多语言与语言学
新星分资深
26
一作贡献0
核心/参与4
方向广度19
合作网络9
0 一作 · 4 篇 · AAAI 2026 / ACL 2026 / KDD 2026 / NeurIPS 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

4
作者位次 #11/11ACL 2026Poster· Natural Language Processing

d- T ree RPO : Towards More Reliable Policy Optimization for Diffusion Language Models

Leyi Pan · Shuchang Tao · Yunpeng Zhai · Zheyu Fu · Liancheng Fang · Minghua He · Lingzhe Zhang · Zhaoyang Liu · Bolin Ding · Aiwei Liu · Lijie Wen

摘要

Reinforcement learning (RL) is pivotal for enhancing the reasoning capabilities of diffusion large language models (dLLMs). However, existing dLLM policy optimization methods suffer from two critical reliability bottlenecks: (1) reward sparsity, arising from coarse or unverifiable signals that im...

强化学习与后训练推理效率与系统OpenReview 项目页

常见合作者