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

Miao Peng

ACL 2026KDD 2026NeurIPS 2026评测与基准检索与知识智能体与工具强化学习与后训练推理
新星分新星
70
一作贡献30
核心/参与14
方向广度16
合作网络6
1 一作 · 3 篇 · ACL 2026 / KDD 2026 / NeurIPS 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

3
一作ACL 2026Findings· Findings of ACL

Incentivizing In-depth Reasoning over Long Contexts with Process Advantage Shaping

Miao Peng · Weizhou Shen · Nuo Chen · Chenliang Li · Ming Yan · Jia Li

摘要

Reinforcement Learning with Verifiable Rewards (RLVR) has proven effective in enhancing LLMs’ short-context reasoning but falters in long-context scenarios requiring precise grounding and multi-hop reasoning. We identify the “almost-there” phenomenon—trajectories that are largely correct but fail...

强化学习与后训练评测与基准推理OpenReview 项目页

常见合作者