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

Ziheng Li

ACL 2026ICML 2026对齐与偏好强化学习与后训练推理可解释性
新星分新星
65
一作贡献30
核心/参与5
方向广度11
合作网络12
1 一作 · 2 篇 · ACL 2026 / 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

2
一作ACL 2026Poster· Natural Language Processing

Outcome-Grounded Advantage Reshaping for Fine-Grained Credit Assignment in Mathematical Reasoning

Ziheng Li · Liu Kang · Feng Xiao · Luxi Xing · Qingyi Si · Zhuoran Li · Weikang Gong · Deqing Yang · Yanghua Xiao · Hongcheng Guo

摘要

Group Relative Policy Optimization (GRPO) has emerged as a promising critic-free reinforcement learning paradigm for reasoning tasks. However, standard GRPO employs a coarse-grained credit assignment mechanism that propagates group-level rewards uniformly to to every token in a sequence, neglecti...

强化学习与后训练推理可解释性OpenReview 项目页

常见合作者