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

Qiaobo Hao

ACL 2026KDD 2026强化学习与后训练推理对齐与偏好检索与知识
新星分贡献者
43
一作贡献0
核心/参与14
方向广度11
合作网络6
0 一作 · 2 篇 · ACL 2026 / KDD 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 #5/7ACL 2026Findings· Findings of ACL

Bridging SFT and RL : Dynamic Policy Optimization for Robust Reasoning

Taojie Zhu · Dongyang Xu · Ding Zou · Sen Zhao · Qiaobo Hao · Zhiguo Yang · Yonghong He

摘要

Post-training paradigms for Large Language Models (LLMs), primarily Supervised Fine-Tuning (SFT) and Reinforcement Learning (RL), face a fundamental dilemma: SFT provides stability (low variance) but suffers from high fitting bias, while RL enables exploration (low bias) but grapples with high gr...

强化学习与后训练推理对齐与偏好OpenReview 项目页

常见合作者