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

Saurabh Gupta

SIGIR 2026推理强化学习与后训练效率与系统
新星分贡献者
22
一作贡献0
核心/参与5
方向广度6
合作网络3
0 一作 · 1 篇 · SIGIR 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
作者位次 #7/14SIGIR 2026Poster· Information Retrieval (Industry)

Unified Semantic Modeling Framework for Large-Scale Job Understanding at LinkedIn

Dan Xu · Baofen Zheng · Jianqiang Shen · Qi Xiao · Benjamin Hoan Le · Wen Pu · Saurabh Gupta · Ran Zhou · Neha Saraf · Alice Leung · Qianqi Shen · Liangjie Hong · Jingwei Wu · Wenjing Zhang

摘要

Job understanding is critical to LinkedIn's mission of connecting talent with opportunity. This task involves transforming unstructured and noisy job postings into standardized or derived job attributes that power numerous LinkedIn products. However, building a scalable, cost-efficient, and high-...

推理强化学习与后训练效率与系统OpenReview

常见合作者