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

Quanying Liu

ICML 2026×5可解释性理论与学习动力学强化学习与后训练多模态对齐与偏好
新星分资深
17
一作贡献0
核心/参与5
方向广度10
合作网络3
0 一作 · 5 篇 · ICML 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 #4/4ICML 2026Poster· Reinforcement Learning / Deep RL

Behavior-Invariant Task Representation Learning with Transformer-based World Models for Offline Meta-Reinforcement Learning

Fuyuan Qian · Menglong Zhang · Song Wang · Quanying Liu

强化学习与后训练可解释性OpenReview

常见合作者