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

Masato Mita

ACL 2026理论与学习动力学可解释性效率与系统
新星分新星
48
一作贡献30
核心/参与0
方向广度6
合作网络0
1 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
一作ACL 2026Poster· Natural Language Processing

Language Acquisition Device in Large Language Models

Masato Mita · Taiga Someya · Ryo Yoshida · Yohei Oseki

摘要

Large Language Models (LLMs) remain substantially less data-efficient than humans. Pre-pretraining (PPT) on synthetic languages has been proposed to close this gap, with prior work emphasizing highly expressive formal languages such as k -Shuffle Dyck. Inspired by the Language Acquisition Device...

理论与学习动力学可解释性效率与系统OpenReview 项目页

常见合作者