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

Xiang Liu

ACL 2026ICLR 2026评测与基准对齐与偏好可解释性强化学习与后训练
新星分贡献者
42
一作贡献0
核心/参与10
方向广度11
合作网络9
0 一作 · 2 篇 · ACL 2026 / ICLR 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
作者位次 #7/8ACL 2026Poster· Natural Language Processing

PRISM : Probabilistic Reward Model with Inherent Structural Modeling

Yuhang Zhou · Yixin Cao · Yuchen Ni · Shihan Dou · Xutian Chen · Ge Zhang · Xiang Liu · Guangnan Ye

摘要

Standard evaluators, such as reward models, compress diverse human judgments into a single scalar, conflating valid Subjective Preference with Cognitive Uncertainty. This structural mismatch often leads to brittle alignment and reward hacking. To address this, we propose PRISM which reinterprets...

对齐与偏好可解释性强化学习与后训练OpenReview 项目页

常见合作者