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

Chong Deng

AAAI 2026×2ICLR 2026×2ACL 2026多模态评测与基准数据与预训练可解释性智能体与工具
新星分贡献者
66
一作贡献0
核心/参与32
方向广度16
合作网络12
0 一作 · 5 篇 · AAAI 2026 / ICLR 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

5
作者位次 #2/8ACL 2026Poster· Natural Language Processing

G enesis F unc: Multi-Agent Data Generation for Accurate and Generalizable Function-Calling

Hao-Xiang Xu · Chong Deng · Jiaqing Liu · Wen Wang · Qian Chen · Lujia Bao · Xiangang Li · Zhen-Hua Ling

摘要

Large Language Models (LLMs) extend their capabilities through function-calling (FC), which relies on training data with high quality, diversity, and broad coverage of scenario. However, obtaining and annotating real function-calling data is challenging, while synthetic data from existing pipelin...

智能体与工具评测与基准数据与预训练OpenReview 项目页

常见合作者