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

Xujun Li

ACL 2026强化学习与后训练数据与预训练理论与学习动力学
新星分贡献者
30
一作贡献0
核心/参与5
方向广度6
合作网络9
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 #4/11ACL 2026Poster· Natural Language Processing

Data Efficient RLVR via Off-Policy Influence Guidance

Erle Zhu · Dazhi Jiang · Yuan Wang · Xujun Li · Jiale Cheng · Yuxian Gu · Yilin Niu · Aohan Zeng · Jie Tang · Minlie Huang · Hongning Wang

摘要

Data selection is a critical aspect of Reinforcement Learning with Verifiable Rewards (RLVR) for enhancing the reasoning capabilities of large language models (LLMs). Current data selection methods are largely heuristic-based, lacking theoretical guarantees and generalizability. This work propose...

强化学习与后训练数据与预训练理论与学习动力学OpenReview 项目页

常见合作者