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

Shunlong Wu

ACL 2026效率与系统对齐与偏好强化学习与后训练
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 · 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

1
作者位次 #3/11ACL 2026Poster· Natural Language Processing

GMSA : Enhancing Context Compression via Group Merging and Layer Semantic Alignment

Jiwei Tang · ZHICHENG ZHANG · Shunlong Wu · Jingheng Ye · Lichen Bai · Zitai Wang · Tingwei Lu · Lin Hai · Yiming Zhao · Hai-Tao Zheng · Hong-Gee Kim

摘要

Large Language Models (LLMs) have achieved remarkable performance across a wide range of Natural Language Processing (NLP) tasks. However, in long-context scenarios, they face two challenges: high computational cost and information redundancy. To address these challenges, we propose GMSA, an enco...

效率与系统对齐与偏好强化学习与后训练OpenReview 项目页

常见合作者