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

Akshay Krishnamurthy

ICLR 2026×3强化学习与后训练可解释性数据与预训练理论与学习动力学推理
新星分贡献者
53
一作贡献0
核心/参与19
方向广度10
合作网络12
0 一作 · 3 篇 · 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

3
作者位次 #3/4ICLR 2026Poster· Reinforcement Learning / Deep RL

Representation-Based Exploration for Language Models: From Test-Time to Post-Training

Jens Tuyls · Dylan Foster · Akshay Krishnamurthy · Jordan Ash

强化学习与后训练可解释性OpenReview
作者位次 #3/4ICLR 2026Poster· Theory / Reinforcement Learning and Planning

A Unifying View of Coverage in Linear Off-policy Evaluation

Philip Amortila · Audrey Huang · Akshay Krishnamurthy · Nan Jiang

推理强化学习与后训练评测与基准OpenReview

常见合作者