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

Mengyuan Sun

ACL 2026ICML 2026智能体与工具对齐与偏好强化学习与后训练安全
新星分贡献者
47
一作贡献0
核心/参与12
方向广度11
合作网络12
0 一作 · 2 篇 · ACL 2026 / ICML 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 #4/9ACL 2026Findings· Findings of ACL

Joint Optimization of Training Data and Policy in RLHF

Zhuohao Yu · Jiali Zeng · Weizheng Gu · Mengyuan Sun · Yidong Wang · Fandong Meng · Jie Zhou · Shikun Zhang · Wei Ye

摘要

Traditional reinforcement learning from human feedback (RLHF) optimizes policies on fixed training inputs, limiting the diversity of learning signals. We propose JODP (Joint Optimization of Data and Policy), a framework where the evolving policy model generates improved variants of training probl...

对齐与偏好强化学习与后训练安全OpenReview 项目页

常见合作者