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

Xiang Qi

ACL 2026推理强化学习与后训练效率与系统
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 #6/8ACL 2026Findings· Findings of ACL

SGA - MCTS : Decoupling Planning from Execution via Training-Free Atomic Experience Retrieval

Xin Xie · Dongyun Xue · Wuguannan Yao · Mingxiao Feng · Wengang Zhou · Xiang Qi · Houqiang Li · Peng Zhang

摘要

LLM-powered systems require complex multi-step decision-making abilities to solve real-world tasks, yet current planning approaches face a trade-off between the high latency of inference-time search and the limited generalization of supervised fine-tuning. To address this limitation, we introduce...

推理强化学习与后训练效率与系统OpenReview 项目页

常见合作者