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

Nan Li

CVPR 2026×2AAAI 2026ACL 2026多模态安全对齐与偏好推理强化学习与后训练
新星分贡献者
71
一作贡献30
核心/参与10
方向广度16
合作网络12
1 一作 · 4 篇 · CVPR 2026 / AAAI 2026 / ACL 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
作者位次 #7/12ACL 2026Poster· Natural Language Processing

RLS eek: Evidence-Grounded Reasoning for RAG Hallucination Detection

Zhaoheng Huang · Dacheng Wen · Yutao Zhu · Xiaoying Lian · Yushi Liang · Kai Hao · Nan Li · Liangjie Zhang · Qi Zhang · Ji-Rong Wen · Zhicheng Dou · Fangzhao Wu

摘要

Large language models (LLMs) in retrieval-augmented generation systems can still produce hallucinations, generating content that is unsupported or contradicted by the source texts and undermines reliability. Recent work addressed this problem by training span-level hallucination detectors using r...

推理强化学习与后训练检索与知识OpenReview 项目页

常见合作者