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

Niyar R Barman

ACL 2026效率与系统强化学习与后训练长上下文与架构
新星分贡献者
22
一作贡献0
核心/参与5
方向广度6
合作网络3
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 #3/4ACL 2026Findings· Findings of ACL

TELL - TALE : Task Efficient LLM s with Task Aware Layer Elimination

Omar Naim · Krish Sharma · Niyar R Barman · Nicholas Asher

摘要

Large Language Models (LLMs) typically come with a fixed architecture, despite growing evidence that not all layers contribute equally to every downstream task. We introduce TALE (Task-Aware Layer Elimination), an inference-time method that improves task performance by selectively removing layers...

效率与系统强化学习与后训练长上下文与架构OpenReview 项目页

常见合作者