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

Masashi Sugiyama

ICML 2026×7强化学习与后训练社会与人本推理对齐与偏好理论与学习动力学
新星分资深
26
一作贡献0
核心/参与10
方向广度10
合作网络12
0 一作 · 7 篇 · ICML 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

7
作者位次 #4/4ICML 2026Poster· Deep Learning / Large Language Models

Gradient Regularization Mitigates Reward Hacking in Reinforcement Learning from Human Feedback and Verifiable Rewards

Johannes Ackermann · Michael Noukhovitch · Takashi Ishida · Masashi Sugiyama

强化学习与后训练社会与人本OpenReview
作者位次 #27/29ICML 2026Poster· Deep Learning / Foundation Models

Proteo-R1: Reasoning Foundation Models for De Novo Protein Design

Fang Wu · Weihao Xuan · Heli Qi · Hanqun CAO · Heng-Jui Chang · Zeqi Zhou · Li Erran Li · Haokai Zhao · Jian Ma · Zijian Ma · Yu-Chi Cheng · Kuan Pang · Robert Tang · Zehong Wang · Guanlue Li · Hanchen Wang · Kejun Ying · Pan Lu · Chiho Im · Seungju Han · Peng Xia · Tinson Xu · Yinxi Li · Deyao Zhu · Pheng Ann Heng · Naoto Yokoya · Masashi Sugiyama · Jure Leskovec · Yejin Choi

作者位次 #4/4ICML 2026Poster· Theory / Domain Adaptation and Transfer Learning

Incorporating Importance Weighting in Optimal Transport Based Domain Alignment

Okan Koç · Alexander Soen · Shanglin Li · Masashi Sugiyama

对齐与偏好理论与学习动力学OpenReview

常见合作者