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

Mingyang Fu

ACL 2026强化学习与后训练效率与系统推理
新星分贡献者
27
一作贡献0
核心/参与5
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 #3/4ACL 2026Poster· Natural Language Processing

Optimizing Length Compression in Large Reasoning Models

Zhengxiang Cheng · Dongping Chen · Mingyang Fu · Tianyi Zhou

摘要

Large Reasoning Models (LRMs) have achieved remarkable success, yet they often suffer from producing unnecessary and verbose reasoning chains. We identify a core aspect of this issue as ”invalid thinking”— models tend to repeatedly double-check their work after having derived the correct answer....

强化学习与后训练效率与系统推理OpenReview 项目页

常见合作者