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

Zijia Lin

ACL 2026强化学习与后训练对齐与偏好可解释性
新星分贡献者
30
一作贡献0
核心/参与5
方向广度6
合作网络9
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 #5/10ACL 2026Findings· Findings of ACL

Entropy Ratio Clipping as a Soft Global Constraint for Stable Reinforcement Learning

Zhenpeng Su · Leiyu Pan · Minxuan Lv · Tiehua Mei · Zijia Lin · Yuntao Li · Wenping Hu · Ruiming Tang (Huawei Noah&#x27 · Kun Gai · Guorui Zhou

摘要

Large language model post-training relies on reinforcement learning to improve model capability and alignment quality. However, the off-policy training paradigm introduces distribution shift, which often pushes the policy beyond the trust region, leading to training instabilities manifested as fl...

强化学习与后训练对齐与偏好可解释性OpenReview 项目页

常见合作者