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

Johannes Ackermann

ICML 2026×2强化学习与后训练社会与人本
新星分新星
70
一作贡献60
核心/参与0
方向广度4
合作网络3
2 一作 · 2 篇 · 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
一作ICML 2026Poster· Deep Learning / Large Language Models

Gradient Regularization Mitigates Reward Hacking in Reinforcement Learning from Human Feedback and Verifiable Rewards

Johannes Ackermann · Michael Noukhovitch · Takashi Ishida · Masashi Sugiyama

强化学习与后训练社会与人本OpenReview
一作ICML 2026Poster· Optimization / Zero-order and Black-box Optimization

Bridging Spherical Black-Box Optimizers

Johannes Ackermann · Stefano Peluchetti

常见合作者