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

Shilei Cao

ICLR 2026×2ACL 2026CVPR 2026强化学习与后训练效率与系统多模态推理智能体与工具
新星分新星
87
一作贡献70
核心/参与17
方向广度16
合作网络9
2 一作 · 4 篇 · ICLR 2026 / ACL 2026 / CVPR 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 #2/8ACL 2026Findings· Findings of ACL

Interactive Learning for LLM Reasoning

Hehai Lin · Shilei Cao · Sudong Wang · Haotian Wu · Minzhi Li · Linyi Yang · Juepeng Zheng · Chengwei Qin

摘要

Existing multi-agent learning approaches explicitly foster collaboration among Large Language Models (LLMs) to build stronger multi-agent systems (MAS), yet they still rely on re-executing the MAS during inference. This contrasts with human cognition, wherein individuals can internalize insights...

推理智能体与工具强化学习与后训练OpenReview 项目页

常见合作者