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

Guoping Wu

ICLR 2026推理强化学习与后训练社会与人本
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 · ICLR 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 #5/7ICLR 2026Poster· Theory / Reinforcement Learning and Planning

Tackling Heavy-Tailed Q-Value Bias in Offline-to-Online Reinforcement Learning with Laplace-Robust Modeling

Ruibo Guo · Lei Liu · Rui Yang · Junjie Shen · Guoping Wu · Jie Wang · Bin Li

推理强化学习与后训练社会与人本OpenReview

常见合作者