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

Masafumi Oyamada

ACL 2026ICLR 2026强化学习与后训练智能体与工具评测与基准检索与知识
新星分资深
11
一作贡献0
核心/参与0
方向广度11
合作网络0
0 一作 · 2 篇 · ACL 2026 / 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

2
作者位次 #3/3ICLR 2026Poster· Reinforcement Learning / Multi-agent

Best-of-Infinity: Asymptotic Performance of Test-Time LLM Ensembling

Junpei Komiyama · Daisuke Oba · Masafumi Oyamada

智能体与工具强化学习与后训练OpenReview
作者位次 #3/3ACL 2026Findings· Findings of ACL

Evaluating the Impact of Reviewer Guideline Design on LLM -Based Automated Peer Review

Haowen Li · Yoichi Ishibashi · Masafumi Oyamada

摘要

Peer review is an essential process in scientific research, yet the growing workload has made its automation increasingly necessary. In this study, we analyze how different types of reviewer guidelines, such as official conference guidelines and reviewer-imitating ones distilled from high-quality...

强化学习与后训练评测与基准检索与知识OpenReview 项目页

常见合作者