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

Yishay Mansour

ICML 2026×5STOC 2026理论与学习动力学强化学习与后训练推理
新星分资深
38
一作贡献0
核心/参与38
方向广度9
合作网络9
0 一作 · 6 篇 · ICML 2026 / STOC 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

6
作者位次 #2/2ICML 2026Poster· Theory / Reinforcement Learning and Planning

Optimal Regret for Policy Optimization in Contextual Bandits

Orin Levy · Yishay Mansour

强化学习与后训练推理理论与学习动力学OpenReview
作者位次 #2/3ICML 2026Poster· Theory / Learning Theory

Beyond Binary: Continuous State Optimization with Graph-Structured Objectives

Corinna Cortes · Yishay Mansour · Mehryar Mohri

理论与学习动力学OpenReview
作者位次 #3/3ICML 2026Poster· Theory / Online Learning and Bandits

Stochastic Linear Bandits with Parameter Noise

Daniel Ezer · Alon Peled-Cohen · Yishay Mansour

理论与学习动力学OpenReview
作者位次 #2/4ICML 2026Poster· Theory / Learning Theory

A Theoretical Framework for Statistical Evaluability of Generative Models

Shashaank Aiyer · Yishay Mansour · Shay Moran · Han Shao

理论与学习动力学OpenReview
作者位次 #4/4ICML 2026Poster· Theory / Reinforcement Learning and Planning

Near-Optimal Regret for Policy Optimization in Contextual MDPs with General Offline Function Approximation

Orin Levy · Aviv Rosenberg · Alon Peled-Cohen · Yishay Mansour

强化学习与后训练推理理论与学习动力学OpenReview

常见合作者