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

Yu-Hsuan Li Liang

ACL 2026多模态强化学习与后训练社会与人本
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 #2/7ACL 2026Findings· Findings of ACL

P seudo2 R eal: Task Arithmetic for Pseudo-Label Correction in Automatic Speech Recognition

Yi-Cheng Lin · Yu-Hsuan Li Liang · Hsuan Su · Tzu-Quan Lin · Shang-Tse Chen · Yun-Nung Chen · Hung-yi Lee

摘要

Robust ASR under domain shift is crucial because real-world systems encounter unseen accents and domains with limited labeled data. Although pseudo-labeling offers a practical workaround, it often introduces systematic, accent-specific errors that filtering fails to fix. We ask: How can we correc...

多模态强化学习与后训练社会与人本OpenReview 项目页

常见合作者