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

Seungyul Han

ICLR 2026×4强化学习与后训练推理智能体与工具
新星分新星
77
一作贡献60
核心/参与5
方向广度6
合作网络9
2 一作 · 4 篇 · 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

4
一作ICLR 2026Poster· Reinforcement Learning / Deep RL

Self-Improving Skill Learning for Robust Skill-based Meta-Reinforcement Learning

Seungyul Han · Sanghyeon Lee · Sangjun Bae · Yisak Park

强化学习与后训练OpenReview
一作ICLR 2026Poster· Reinforcement Learning / Deep RL

Strict Subgoal Execution: Reliable Long-Horizon Planning in Hierarchical Reinforcement Learning

Seungyul Han · Jaebak Hwang · Sanghyeon Lee · Jeongmo Kim

强化学习与后训练推理OpenReview
作者位次 #3/3ICLR 2026Poster· Reinforcement Learning / Multi-agent

Retaining Suboptimal Actions to Follow Shifting Optima in Multi-Agent Reinforcement Learning

Yonghyeon Jo · Sunwoo Lee · Seungyul Han

智能体与工具强化学习与后训练OpenReview

常见合作者