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

Radu Marinescu

ACL 2026ICLR 2026检索与知识效率与系统理论与学习动力学评测与基准数据与预训练
新星分新星
65
一作贡献30
核心/参与5
方向广度13
合作网络9
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 #3/9ACL 2026Poster· Natural Language Processing

F act C orrector: A Graph-Inspired Approach to Long-Form Factuality Correction of Large Language Models

Javier Carnerero-Cano · Massimiliano Pronesti · Radu Marinescu · Tigran T. Tchrakian · James Barry · Jasmina Gajcin · Yufang Hou · Alessandra Pascale · Elizabeth M. Daly

摘要

Large language models (LLMs) are widely used in knowledge-intensive applications but often generate factually incorrect responses. A promising approach to rectify these flaws is correcting LLMs using feedback. Therefore, in this paper, we introduce FactCorrector, a new post-hoc correction method...

评测与基准检索与知识数据与预训练OpenReview 项目页

常见合作者