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

Phillip Howard

ICLR 2026×3AAAI 2026数据与预训练代码多模态强化学习与后训练社会与人本
新星分资深
24
一作贡献0
核心/参与9
方向广度13
合作网络6
0 一作 · 4 篇 · ICLR 2026 / AAAI 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 #3/3ICLR 2026Oral· General Machine Learning / Probabilistic Methods

$p\textrm{-less}$ Sampling: A Robust Hyperparameter-Free Approach for LLM Decoding

Runyan Tan · Shuang Wu · Phillip Howard

作者位次 #5/5ICLR 2026Poster· Social Aspects / Fairness, Equity, Justice and Safety

Is Your Paper Being Reviewed by an LLM? Benchmarking AI Text Detection in Peer Review

Sungduk Yu · Man Luo · Avinash Madasu · Vasudev Lal · Phillip Howard

社会与人本安全评测与基准OpenReview

常见合作者