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

Haolin He

ACL 2026ICLR 2026多模态强化学习与后训练评测与基准数据与预训练对齐与偏好
新星分新星
63
一作贡献30
核心/参与5
方向广度13
合作网络6
1 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
一作ICLR 2026Poster· Applications / Language, Speech and Dialog

Measuring Audio's Impact on Correctness: Audio-Contribution-Aware Post-Training of Large Audio Language Models

Haolin He · Xingjian Du · Renhe Sun · Zheqi Dai · Yujia Xiao · Mingru Yang · Jiayi Zhou · Xiquan Li · Zhengxi Liu · Zining Liang · Chunyat Wu · Qianhua He · Tan Lee · Xie Chen · Wei-Long Zheng · Weiqiang Wang · Mark D. Plumbley · Jian Liu · Qiuqiang Kong

多模态强化学习与后训练评测与基准OpenReview
作者位次 #5/7ACL 2026Poster· Natural Language Processing

F ine LAP : Taming Heterogeneous Supervision for Fine-grained Language-Audio Pretraining

Xiquan Li · Xuenan Xu · Ziyang Ma · Wenxi Chen · Haolin He · Qiuqiang Kong · Xie Chen

摘要

Contrastively pretrained audio–language models (e.g., CLAP) excel at clip-level understanding but struggle with frame-level tasks.Existing extensions fail to exploit the varying granularity of real-world audio–text data, where massive clip-level textual descriptions coexist with limited frame-lev...

多模态数据与预训练对齐与偏好OpenReview 项目页

常见合作者